RandomShortestSize

class torchvision.transforms.v2.RandomShortestSize(min_size: Union[List[int], Tuple[int], int], max_size: Optional[int] = None, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

随机调整输入的大小。

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_size (int 或 python:int 的序列) – 最小空间大小。单个整数值或一系列整数值。

• max_size (int，可选) – 最大空间大小。默认值，None。

• 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、InterpolationMode.NEAREST_EXACT、InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。相应的 Pillow 整数常量（例如 PIL.Image.BILINEAR）也被接受。

• antialias (bool，可选) –

  是否应用抗锯齿。它仅影响具有双线性或双三次模式的张量，否则将被忽略：在 PIL 图像上，始终在双线性或双三次模式上应用抗锯齿；在其他模式（对于 PIL 图像和张量）上，抗锯齿毫无意义，并且此参数将被忽略。可能的值为

  • True（默认值）：将为双线性或双三次模式应用抗锯齿。其他模式不受影响。这可能是您想要使用的。

  • False：不会为任何模式下的张量应用抗锯齿。PIL 图像在双线性或双三次模式下仍然具有抗锯齿，因为 PIL 不支持无抗锯齿。

  • None：对于张量等效于 False，对于 PIL 图像等效于 True。此值出于遗留原因存在，除非您真正知道自己在做什么，否则您可能不想使用它。

  默认值在 v0.17 中从 None 更改为 True，以使 PIL 和 Tensor 后端保持一致。