快捷方式

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)[源代码]

来自 “SSD:单次多盒检测器” 的“缩小”变换。

此变换随机填充图像、视频、边界框和掩码,从而产生缩小效果。输出空间大小从原始大小随机采样,直至使用 side_range 参数配置的最大大小。

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.TensorTVTensor(例如 ImageVideoBoundingBoxes 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 (数字元组字典, 可选) – 当 padding_mode 为常量时使用的像素填充值。默认为 0。如果元组长度为 3,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,Mask 将填充 0。

  • side_range (python:float 的序列, 可选) – 两个浮点数的元组定义缩放输入大小的最小和最大因子。

  • p (浮点数, 可选) – 执行缩放操作的概率。

使用 RandomZoomOut 的示例

转换 v2:端到端目标检测/分割示例

转换 v2:端到端目标检测/分割示例

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源