[Doc] Chinese translation of Comp1k README (open-mmlab#583)

Author: ckkelvinchan

tools/data/matting/comp1k/README_zh-CN.md

@@ -1,5 +1,7 @@
 # 准备 Composition-1k 数据集
 
+## 介绍
+
 <!-- [DATASET] -->
 
 ```bibtex
@@ -11,3 +13,120 @@
   year={2017}
 }
 ```
+
+Adobe Composition-1k 数据集由前景图像及其相应的 alpha 图像组成。要获得完整的数据集，需要将前景与来自 COCO 数据集和 Pascal VOC 数据集的选定背景进行合成。
+
+## 获取和提取
+
+请按照 [论文作者](https://sites.google.com/view/deepimagematting) 的说明获取 Composition-1k (comp1k) 数据集。
+
+## 合成完整数据集
+
+Adobe composition-1k 数据集仅包含 `alpha` 和 `fg`（以及测试集中的 `trimap`）。在训练或评估之前，需要将 `fg` 与 COCO 数据（训练）或 VOC 数据（测试）合并。使用以下脚本执行图像合成并生成用于训练或测试的注释文件：
+
+```shell
+# 在 MMEditing 的根文件夹下运行脚本
+python tools/data/matting/comp1k/preprocess_comp1k_dataset.py data/adobe_composition-1k data/coco data/VOCdevkit --composite
+```
+
+生成的数据分别存储在 “adobe_composition-1k/Training_set” 和 “adobe_composition-1k/Test_set” 下。如果你只想合成测试数据（因为合成训练数据很耗时），你可以通过删除 `--composite` 选项来跳过合成训练集：
+
+```shell
+# 跳过合成训练集
+python tools/data/matting/comp1k/preprocess_comp1k_dataset.py data/adobe_composition-1k data/coco data/VOCdevkit
+```
+
+如果您只想预处理测试数据，即对于 FBA，您可以通过添加 `--skip_train` 选项来跳过训练集：
+
+```shell
+# 跳过预处理训练集
+python tools/data/matting/comp1k/preprocess_comp1k_dataset.py data/adobe_composition-1k data/coco data/VOCdevkit --skip_train
+```
+
+> 目前，`GCA` 和 `FBA` 支持在线合成训练数据。但是你可以修改其他模型的数据管道来执行在线合成，而不是加载合成图像（我们在数据管道中称之为“合并”）。
+
+## 检查 DIM 的目录结构
+
+最终的文件夹结构应如下所示：
+
+```text
+mmediting
+├── mmedit
+├── tools
+├── configs
+├── data
+│   ├── adobe_composition-1k
+│   │   ├── Test_set
+│   │   │   ├── Adobe-licensed images
+│   │   │   │   ├── alpha
+│   │   │   │   ├── fg
+│   │   │   │   ├── trimaps
+│   │   │   ├── merged  (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   │   ├── bg      (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   ├── Training_set
+│   │   │   ├── Adobe-licensed images
+│   │   │   │   ├── alpha
+│   │   │   │   ├── fg
+│   │   │   ├── Other
+│   │   │   │   ├── alpha
+│   │   │   │   ├── fg
+│   │   │   ├── merged  (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   │   ├── bg      (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   ├── test_list.json     (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   ├── training_list.json (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   ├── coco
+│   │   ├── train2014   (or train2017)
+│   ├── VOCdevkit
+│   │   ├── VOC2012
+```
+## 为 FBA 准备数据集
+
+FBA采用 [Learning-base Sampling for Natural Image Matting](https://openaccess.thecvf.com/content_CVPR_2019/papers/Tang_Learning-Based_Sampling_for_Natural_Image_Matting_CVPR_2019_paper.pdf) 中提出的动态数据集增强。此外，为了减少增强过程中的伪影，它使用前景的扩展版本作为前景。我们提供脚本来估计前景。
+
+准备测试集：
+
+```shell
+# 跳过预处理训练集，因为它在训练期间在线合成
+python tools/data/matting/comp1k/preprocess_comp1k_dataset.py data/adobe_composition-1k data/coco data/VOCdevkit --skip_train
+```
+
+扩展训练集的前景：
+
+```shell
+python tools/data/matting/comp1k/extend_fg.py data/adobe_composition-1k
+```
+
+## 检查 DIM 的目录结构
+
+最终的文件夹结构应如下所示：
+
+```text
+mmediting
+├── mmedit
+├── tools
+├── configs
+├── data
+│   ├── adobe_composition-1k
+│   │   ├── Test_set
+│   │   │   ├── Adobe-licensed images
+│   │   │   │   ├── alpha
+│   │   │   │   ├── fg
+│   │   │   │   ├── trimaps
+│   │   │   ├── merged  (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   │   ├── bg      (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   ├── Training_set
+│   │   │   ├── Adobe-licensed images
+│   │   │   │   ├── alpha
+│   │   │   │   ├── fg
+│   │   │   │   ├── fg_extended (generated by tools/data/matting/comp1k/extend_fg.py)
+│   │   │   ├── Other
+│   │   │   │   ├── alpha
+│   │   │   │   ├── fg
+│   │   │   │   ├── fg_extended (generated by tools/data/matting/comp1k/extend_fg.py)
+│   │   ├── test_list.json         (generated by tools/data/matting/comp1k/preprocess_comp1k_dataset.py)
+│   │   ├── training_list_fba.json (generated by tools/data/matting/comp1k/extend_fg.py)
+│   ├── coco
+│   │   ├── train2014   (or train2017)
+│   ├── VOCdevkit
+│   │   ├── VOC2012
+```