RandomIoUCrop¶

class torchvision.transforms.v2.RandomIoUCrop(min_scale: float = 0.3, max_scale: float = 1.0, min_aspect_ratio: float = 0.5, max_aspect_ratio: float = 2.0, sampler_options: Optional[List[float]] = None, trials: int = 40)[source]¶

来自 “SSD: Single Shot MultiBox Detector” 的随机 IoU 裁剪变换。

此变换需要图像或视频数据以及输入中的 tv_tensors.BoundingBoxes。

警告

为了正确移除 IoU 阈值以下的边界框，RandomIoUCrop 之后必须跟随 SanitizeBoundingBoxes，可以直接紧随其后，也可以在变换管道的稍后阶段。

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:

min_scale (float, 可选) – 缩放输入尺寸的最小因子。
max_scale (float, 可选) – 缩放输入尺寸的最大因子。
min_aspect_ratio (float, 可选) – 裁剪后的图像或视频的最小宽高比。
max_aspect_ratio (float, 可选) – 裁剪后的图像或视频的最大宽高比。
sampler_options (python:float 列表, 可选) – 所有框与裁剪后的图像或视频之间最小 IoU (Jaccard) 重叠的列表。默认值， None，对应于 [0.0, 0.1, 0.3, 0.5, 0.7, 0.9, 1.0]
trials (int, 可选) – 对于给定的最小 IoU (Jaccard) 重叠值，查找裁剪的试验次数。默认值，40。