这种方式我认为是最适合的图片预处理方式，随意resize会改变图片的特征，而进行填充的方式除了会改变原来标签的坐标以外，可以完全保留图片上所有的物体最原始的特征。
def pad_to_square(img, pad_value):
c, h, w = img.shape
dim_diff = np.abs(h - w)
# (upper / left) padding and (lower / right) padding
pad1, pad2 = dim_diff // 2, dim_diff - dim_diff // 2
# Determine padding
pad = (0, 0, pad1, pad2) if h <= w else (pad1, pad2, 0, 0)
# Add padding
img = F.pad(img, pad, "constant", value=pad_value)
return img, pad
- img表示任意的一张图片，但是是已经打开的数组模式，要不然没有shape。0表示我们填充的元素，即黑色
- 计算图片宽高之间的差值
dim_diff
- 计算两边填充的像素长度（这里的两边即指左右，也指上下，长度也填充多少行或列的0元素）
- 如果该图片宽大于高，即它是一个扁的，这个时候应该填充的上下，所以位置在2，3处，反之在0，1处，这个位置是下面F.pad的参数要求
- F.pad的参数要求中img表示要进行填充的数组，当pad为4个长度的元组时，其四个位置分别表示
左填充，右填充，上填充，下填充，'constant’只需要知道有这么个参数就可以了，value表示填充的数字。
- 最后返回填充后的图像数组，和pad的格式（pad的格式可以用来对原图上的位置标签进行修正）
x1 = w_factor * (boxes[:, 1] - boxes[:, 3] / 2)
y1 = h_factor * (boxes[:, 2] - boxes[:, 4] / 2)
x2 = w_factor * (boxes[:, 1] + boxes[:, 3] / 2)
y2 = h_factor * (boxes[:, 2] + boxes[:, 4] / 2)
其中boxes中存放的是该图片中物体所在中心左右（xyhw）归一化以后的相对坐标，先转化为左上右下的坐标以后乘上原图的宽高，就得到了在原图上目标所在位置的左上右下真实坐标。
x1 += pad[0]
y1 += pad[2]
x2 += pad[1]
y2 += pad[3]
其实这里的代码我个人感觉是有一点小问题的，比如：
0的位置表示左填充，如果在图片的左边填充，那么所有的横坐标都应该加上0位置，既然有01，则必然无23，所以纵坐标不变，但是x2加的却是1位置，其实我们想一下既然有左填充，那必然有右填充，而左填充和右填充的数值基本相同，所以此时x2加1位置（右填充长度），不够准确但影响不大。
2的位置表示上填充，即所有目标坐标的纵坐标加上2位置，既然有23，则必然无01，所以横坐标不变。
所以最后得到的左上右下坐标就是填充以后的原始坐标
boxes[:, 1] = ((x1 + x2) / 2) / padded_w
boxes[:, 2] = ((y1 + y2) / 2) / padded_h
boxes[:, 3] *= w_factor / padded_w
boxes[:, 4] *= h_factor / padded_h
最后又计算回到相对坐标。其中padded_w=padded_h，表示填充后的图片的宽高。
