RandomZoomOut¶

class torchvision.transforms.v2.RandomZoomOut(fill: Union[int, float, Sequence[int], Sequence[float], None, Dict[Union[Type, str], Optional[Union[int, float, Sequence[int], Sequence[float]]]]] = 0, side_range: Sequence[float] = (1.0, 4.0), p: float = 0.5)[source]¶

来自 “SSD: Single Shot MultiBox Detector” 的 “Zoom out”（缩小）变换。

此变换随机填充图像、视频、边界框和掩码，从而创建缩小效果。输出空间大小从原始大小到使用 side_range 参数配置的最大大小之间随机采样

r = uniform_sample(side_range[0], side_range[1])
output_width = input_width * r
output_height = input_height * r

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:

fill (数字或元组或字典, 可选) – 当 padding_mode 为常数时使用的像素填充值。默认为 0。如果长度为 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，而 Mask 将填充 0。
side_range (python:float 序列, 可选) – 定义缩放输入大小的最小和最大因子的两个浮点数元组。
p (float, 可选) – 将执行缩放操作的概率。

使用 RandomZoomOut 的示例

make_params(flat_inputs: List[Any]) → Dict[str, Any][source]¶

用于自定义变换的覆盖方法。

transform(inpt: Any, params: Dict[str, Any]) → Any[source]¶

用于自定义变换的覆盖方法。

文档