FiveCrop¶
- class torchvision.transforms.v2.FiveCrop(size: Union[int, Sequence[int]])[源代码]¶
将图像或视频裁剪成四个角和中心裁剪。
如果输入是
torch.Tensor
或Image
或Video
,它可以具有任意数量的前导批处理维度。例如,图像可以具有[..., C, H, W]
形状。注意
此转换返回一个图像元组,并且您的 Dataset 返回的输入和目标数量可能不匹配。请参阅下面的示例,了解如何处理此问题。
- 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,例如 (h, w),则进行大小为 (size, size) 的正方形裁剪。如果提供长度为 1 的序列,它将被解释为 (size[0], size[0])。
示例
>>> class BatchMultiCrop(transforms.Transform): ... def forward(self, sample: Tuple[Tuple[Union[tv_tensors.Image, tv_tensors.Video], ...], int]): ... images_or_videos, labels = sample ... batch_size = len(images_or_videos) ... image_or_video = images_or_videos[0] ... images_or_videos = tv_tensors.wrap(torch.stack(images_or_videos), like=image_or_video) ... labels = torch.full((batch_size,), label, device=images_or_videos.device) ... return images_or_videos, labels ... >>> image = tv_tensors.Image(torch.rand(3, 256, 256)) >>> label = 3 >>> transform = transforms.Compose([transforms.FiveCrop(224), BatchMultiCrop()]) >>> images, labels = transform(image, label) >>> images.shape torch.Size([5, 3, 224, 224]) >>> labels tensor([3, 3, 3, 3, 3])
使用
FiveCrop
的示例转换说明