快捷方式

SBDataset

class torchvision.datasets.SBDataset(root: Union[str, Path], image_set: str = 'train', mode: str = 'boundaries', download: bool = False, transforms: Optional[Callable] = None)[source]

语义边界数据集

SBD 目前包含来自 PASCAL VOC 2011 数据集的 11355 张图像的标注。

注意

请注意,此数据集包含的训练和验证分割与 PASCAL VOC 数据集中的分割不同。特别是一些“训练”图像可能属于 VOC2012 验证集的一部分。如果您有兴趣在 VOC 2012 验证集上进行测试,请使用 image_set=’train_noval’,它将排除所有验证图像。

警告

此类需要 scipy.mat 格式加载目标文件。

参数:
  • root (str 或 pathlib.Path) – 语义边界数据集的根目录

  • image_set (字符串, 可选) – 选择要使用的图像集,trainvaltrain_noval。图像集 train_noval 排除了 VOC 2012 验证图像。

  • mode (字符串, 可选) – 选择目标类型。可能的值是 ‘boundaries’ 或 ‘segmentation’。在 ‘boundaries’ 的情况下,目标是一个形状为 [num_classes, H, W] 的数组,其中 num_classes=20

  • download (布尔值, 可选) – 如果为 True,则从互联网下载数据集并将其放入根目录。如果数据集已下载,则不会再次下载。

  • transforms (可调用对象, 可选) – 一个函数/变换,它以输入样本及其目标作为输入,并返回一个变换后的版本。如果 mode=’boundaries’,则输入样本为 PIL 图像,目标为 NumPy 数组;如果 mode=’segmentation’,则输入样本为 PIL 图像,目标为 PIL 图像。

特殊成员:

__getitem__(index: int) Tuple[Any, Any][source]
参数:

index (整数) – 索引

返回值:

样本和元数据,可以选择通过相应的变换进行变换。

返回类型:

(任何)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源