R-CNNのプログラム中に出てくるuse_horizontal_flipsは一体何者でしょうか？

前提・実現したいこと

ディープラーニングの勉強をしている、python初学者です。
何冊か本を読んで写経的なことはしたのですが、実際に自作データでチャレンジ中です。

そこで、今回、物体検出を勉強しようとR-CNNのプログラムを理解しようと挑戦しているのですが、プログラムの内容がいきなりわからず困っています。

初めての質問なので、失礼もあるかもしれませんがよろしくお願い致します。

発生している問題・エラーメッセージ

そのわからないプログラムの箇所が以下のようになっています。

with open('config.pickle', 'rb') as f_in:
    cfg = pickle.load(f_in)
cfg.use_horizontal_flips = False
cfg.use_vertical_flips = False
cfg.rot_90 = False

この、
.use_horizontal_flips
.use_vertical_flips
.rot_90
の部分が一体何者なのかもわからない状態です。
もしかしたら、オリジナルのメソッドか何かなのか？とも思ったのですが、そうでもなさそうだし。。。

該当のソースコード

下記コードの５行目〜７行目です。
ソースコード

python
1def predict(args_):
2    path = args_.path
3    with open('config.pickle', 'rb') as f_in:
4        cfg = pickle.load(f_in)
5    cfg.use_horizontal_flips = False
6    cfg.use_vertical_flips = False
7    cfg.rot_90 = False
8
9    class_mapping = cfg.class_mapping
10    if 'bg' not in class_mapping:
11        class_mapping['bg'] = len(class_mapping)
12
13    class_mapping = {v: k for k, v in class_mapping.items()}
14    input_shape_img = (None, None, 3)
15    input_shape_features = (None, None, 1024)
16
17    img_input = Input(shape=input_shape_img)
18    roi_input = Input(shape=(cfg.num_rois, 4))
19    feature_map_input = Input(shape=input_shape_features)
20
21    shared_layers = nn.nn_base(img_input, trainable=True)
22
23    # define the RPN, built on the base layers
24    num_anchors = len(cfg.anchor_box_scales) * len(cfg.anchor_box_ratios)
25    rpn_layers = nn.rpn(shared_layers, num_anchors)
26    classifier = nn.classifier(feature_map_input, roi_input, cfg.num_rois, nb_classes=len(class_mapping),
27                               trainable=True)
28    model_rpn = Model(img_input, rpn_layers)
29    model_classifier_only = Model([feature_map_input, roi_input], classifier)
30
31    model_classifier = Model([feature_map_input, roi_input], classifier)
32
33    print('Loading weights from {}'.format(cfg.model_path))
34    model_rpn.load_weights(cfg.model_path, by_name=True)
35    model_classifier.load_weights(cfg.model_path, by_name=True)
36
37    model_rpn.compile(optimizer='sgd', loss='mse')
38    model_classifier.compile(optimizer='sgd', loss='mse')
39
40    if os.path.isdir(path):
41        for idx, img_name in enumerate(sorted(os.listdir(path))):
42            if not img_name.lower().endswith(('.bmp', '.jpeg', '.jpg', '.png', '.tif', '.tiff')):
43                continue
44            print(img_name)
45            predict_single_image(os.path.join(path, img_name), model_rpn,
46                                 model_classifier_only, cfg, class_mapping)
47    elif os.path.isfile(path):
48        print('predict image from {}'.format(path))
49        predict_single_image(path, model_rpn, model_classifier_only, cfg, class_mapping)
50