RandomIoUCrop¶

class torchvision.transforms.v2.RandomIoUCrop(min_scale: float = 0.3, max_scale: float = 1.0, min_aspect_ratio: float = 0.5, max_aspect_ratio: float = 2.0, sampler_options: Optional[List[float]] = None, trials: int = 40)[source]¶

來自 “SSD: Single Shot MultiBox Detector” 的隨機 IoU 裁剪轉換。

此轉換需要影像或影片資料，以及輸入中的 tv_tensors.BoundingBoxes。

警告

為了正確移除 IoU 閾值以下的邊界框，RandomIoUCrop 之後必須接著 SanitizeBoundingBoxes，可以直接接續或在轉換管線的後續階段。

如果輸入是 torch.Tensor 或 TVTensor (例如 Image、Video、BoundingBoxes 等)，則它可以有任意數量的起始批次維度。例如，影像可以具有 [..., C, H, W] 形狀。邊界框可以具有 [..., 4] 形狀。

參數:

min_scale (float, optional) – 縮放輸入大小的最小因子。
max_scale (float, optional) – 縮放輸入大小的最大因子。
min_aspect_ratio (float, optional) – 裁剪影像或影片的最小長寬比。
max_aspect_ratio (float, optional) – 裁剪影像或影片的最大長寬比。
sampler_options (python:float 列表, optional) – 所有框和裁剪影像或影片之間最小 IoU (Jaccard) 重疊的列表。預設值為 None，對應於 [0.0, 0.1, 0.3, 0.5, 0.7, 0.9, 1.0]
trials (int, optional) – 針對給定最小 IoU (Jaccard) 重疊值尋找裁剪的試驗次數。預設值為 40。