随机裁剪

class torchvision.transforms.v2.RandomCrop(size: Union[int, Sequence[int]], padding: Optional[Union[int, Sequence[int]]] = None, pad_if_needed: bool = False, fill: Union[int, float, Sequence[int], Sequence[float], None, Dict[Union[Type, str], Optional[Union[int, float, Sequence[int], Sequence[float]]]]] = 0, padding_mode: Literal['constant', 'edge', 'reflect', 'symmetric'] = 'constant')

在随机位置裁剪输入。

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。

参数：

• size (序列 或 整数) – 裁剪所需的输出大小。如果 size 是整数而不是序列（如 (h, w)），则进行正方形裁剪 (size, size)。如果提供长度为 1 的序列，则将其解释为 (size[0], size[0])。

• padding (整数 或 序列, 可选) –

  图像每个边界的可选填充。默认为 None。如果提供单个整数，则将其用于填充所有边界。如果提供长度为 2 的序列，则分别为左右和上下填充。如果提供长度为 4 的序列，则分别为左右、上、右和下边界的填充。

  注意

  在 torchscript 模式下，不支持将填充作为单个整数，请使用长度为 1 的序列：[padding, ]。

• pad_if_needed (布尔值, 可选) – 如果图像小于所需尺寸，则会进行填充以避免引发异常。由于裁剪是在填充之后进行的，因此填充似乎是在随机偏移量处进行的。

• 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 将填充为 127，Mask 将填充为 0。

• padding_mode (字符串, 可选) –

  填充类型。应该是：constant、edge、reflect 或 symmetric。默认为 constant。

  • constant：使用常量值进行填充，该值由 fill 指定

  • edge：使用图像边缘的最后一个值进行填充。

  • reflect：使用图像的反射进行填充，但不重复边缘上的最后一个值。例如，在 reflect 模式下，用 2 个元素在 [1, 2, 3, 4] 两侧进行填充将得到 [3, 2, 1, 2, 3, 4, 3, 2]

  • symmetric：使用图像的反射进行填充，重复边缘上的最后一个值。例如，在 symmetric 模式下，用 2 个元素在 [1, 2, 3, 4] 两侧进行填充将得到 [2, 1, 1, 2, 3, 4, 4, 3]

使用 RandomCrop 的示例

Transforms v2 入门

Transforms v2 入门

Transforms 的说明

Transforms 的说明

static get_params(img: Tensor, output_size: Tuple[int, int]) → Tuple[int, int, int, int]

获取随机裁剪的 crop 参数。

参数：

• img (PIL Image 或 Tensor) – 要裁剪的图像。

• output_size (元组) – 裁剪的预期输出尺寸。

返回值:

要传递给 crop 以进行随机裁剪的参数 (i, j, h, w)。

返回类型:

元组