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]¶

此变换会随机填充图像、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随机采样，最大不超过由 side_range 参数配置的最大尺寸。

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领先批次维度。例如，图像可以具有 [..., C, H, W] 的形状。边界框可以具有 [..., 4] 的形状。

参数：

fill (数字或元组或字典, 可选) – 在 padding_mode 为 constant 时使用的像素填充值。默认值为 0。如果是一个长度为 3 的元组，它分别用于填充 R、G、B 通道。填充值也可以是一个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 将用 127 填充，Mask 将用 0 填充。
side_range (由 python:floats 组成的序列, 可选) – 由两个浮点数组成的元组，定义了缩放输入尺寸的最小和最大因子。
p (浮点数, 可选) – 执行缩放操作的概率。

使用 RandomZoomOut 的示例

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

用于自定义变换的方法。

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

用于自定义变换的方法。

文档