FiveCrop

class torchvision.transforms.FiveCrop(size)

将给定图像裁剪成四个角和中心裁剪。如果图像是 torch 张量，则预期其形状为 […, H, W]，其中 … 表示任意数量的前导维度

注意

此转换返回一个图像元组，并且数据集返回的输入和目标的数量可能不匹配。请参阅以下有关如何处理此问题的示例。

参数：

size (序列 或 int) – 裁剪所需的输出大小。如果 size 是 int 而不是序列（如 (h, w)），则会进行大小为 (size, size) 的方形裁剪。如果提供长度为 1 的序列，它将被解释为 (size[0], size[0])。

示例

>>> transform = Compose([
>>>    FiveCrop(size), # this is a list of PIL Images
>>>    Lambda(lambda crops: torch.stack([PILToTensor()(crop) for crop in crops])) # returns a 4D tensor
>>> ])
>>> #In your test loop you can do the following:
>>> input, target = batch # input is a 5d tensor, target is 2d
>>> bs, ncrops, c, h, w = input.size()
>>> result = model(input.view(-1, c, h, w)) # fuse batch size and ncrops
>>> result_avg = result.view(bs, ncrops, -1).mean(1) # avg over crops

使用 FiveCrop 的示例

转换说明

转换说明

forward(img)

参数：

img (PIL 图像 或 张量) – 要裁剪的图像。

返回值：

5 个图像的元组。图像可以是 PIL 图像或张量