ElasticTransform¶
- class torchvision.transforms.v2.ElasticTransform(alpha: Union[float, Sequence[float]] = 50.0, sigma: Union[float, Sequence[float]] = 5.0, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, fill: Union[int, float, Sequence[int], Sequence[float], None, Dict[Union[Type, str], Optional[Union[int, float, Sequence[int], Sequence[float]]]]] = 0)[source]¶
使用弹性变换转换输入。
如果输入是
torch.Tensor
或TVTensor
(例如Image
、Video
、BoundingBoxes
等),它可以具有任意数量的前导批次维度。例如,图像可以具有[..., C, H, W]
形状。边界框可以具有[..., 4]
形状。给定 alpha 和 sigma,它将根据随机偏移量为所有像素生成位移向量。Alpha 控制强度,sigma 控制位移的平滑度。位移添加到单位网格中,生成的网格用于变换输入。
注意
边界框变换的实现是近似的(不精确)。我们构建逆网格的近似值,表示为
inverse_grid = identity - displacement
。这并不是用于变换图像的网格的精确逆,即grid = identity + displacement
。我们的假设是displacement * displacement
很小,可以忽略。较大的位移会导致近似值出现较大的误差。- 应用
随机变换图像中物体的形态,并产生类似于水下透视的效果。
- 参数:
alpha (float 或 python:floats 的序列, 可选) – 位移的幅度。默认为 50.0。
sigma (float 或 python:floats 的序列, 可选) – 位移的平滑度。默认为 5.0。
interpolation (InterpolationMode, 可选) – 由
torchvision.transforms.InterpolationMode
定义的所需插值枚举。默认为InterpolationMode.BILINEAR
。如果输入是张量,则仅支持InterpolationMode.NEAREST
和InterpolationMode.BILINEAR
。相应的 Pillow 整数常量(例如PIL.Image.BILINEAR
)也接受。fill (数字 或 元组 或 字典, 可选) – 当
padding_mode
为常量时使用的像素填充值。默认为 0。如果为长度为 3 的元组,则分别用于填充 R、G、B 通道。填充值也可以是将数据类型映射到填充值的字典,例如fill={tv_tensors.Image: 127, tv_tensors.Mask: 0}
,其中Image
将填充 127,Mask
将填充 0。
使用
ElasticTransform
的示例变换的示例