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)

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.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