RandomCrop

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

在隨機位置裁剪給定的圖像。如果圖像為 torch Tensor，則預期具有 […, H, W] 形狀，其中 … 表示任意數量的領先維度，但如果使用非恆定填充，則預期輸入最多具有 2 個領先維度

參數:

• size (序列 或 int) – 裁剪的所需輸出大小。如果 size 是一個整數而不是像 (h, w) 這樣的序列，則會進行正方形裁剪 (size, size)。如果提供長度為 1 的序列，它將被解釋為 (size[0], size[0])。

• padding (int 或 序列, 可選) –

  圖像每個邊框上的可選填充。預設為 None。如果提供單個整數，則用於填充所有邊框。如果提供長度為 2 的序列，則分別是左/右和上/下的填充。如果提供長度為 4 的序列，則分別是左、上、右和下邊框的填充。

  注意

  在 torchscript 模式下，不支援將填充作為單個整數，請使用長度為 1 的序列：[padding,]。

• pad_if_needed (boolean) – 如果圖像小於所需大小，它將填充圖像以避免引發異常。由於裁剪是在填充後完成的，因此填充似乎是在隨機偏移處完成的。

• fill (number 或 tuple) – 用於常數填充的像素填充值。預設值為 0。如果是一個長度為 3 的 tuple，則分別用於填充 R、G、B 通道。此值僅在 padding_mode 為 constant 時使用。Torch Tensor 僅支援數字。PIL Image 僅支援 int 或 tuple 值。

• padding_mode (str) –

  填充的類型。 應為：constant、edge、reflect 或 symmetric。預設值為 constant。

  • constant：使用常數值填充，此值由 fill 指定

  • edge：使用圖像邊緣的最後一個值填充。如果輸入一個 5D torch Tensor，則將填充最後 3 個維度，而不是最後 2 個維度

  • reflect：使用圖像的反射填充，而不重複邊緣上的最後一個值。例如，在 reflect 模式下，用 2 個元素在兩側填充 [1, 2, 3, 4] 將產生 [3, 2, 1, 2, 3, 4, 3, 2]

  • symmetric：使用圖像的反射填充，重複邊緣上的最後一個值。例如，在 symmetric 模式下，用 2 個元素在兩側填充 [1, 2, 3, 4] 將產生 [2, 1, 1, 2, 3, 4, 4, 3]

使用 RandomCrop 的範例

轉換 v2 入門

轉換 v2 入門

轉換圖解

轉換圖解

Torchscript 支援

Torchscript 支援

forward(img)

參數:

img (PIL Image 或 Tensor) – 要裁剪的圖像。

回傳值:

裁剪後的圖像。

回傳類型:

PIL Image 或 Tensor

static get_params(img: Tensor, output_size: Tuple[int, int]) → Tuple[int, int, int, int]

取得用於隨機裁剪的 crop 參數。

參數:

• img (PIL Image 或 Tensor) – 要裁剪的圖像。

• output_size (tuple) – 裁剪的預期輸出大小。

回傳值:

要傳遞給 crop 以進行隨機裁剪的參數 (i, j, h, w)。

回傳類型:

tuple