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)[原始碼]¶

此轉換會隨機填充影像、影片、邊界框和遮罩，以建立縮小效果。輸出空間大小會從原始大小隨機取樣，直至使用 side_range 參數配置的最大大小

r = uniform_sample(side_range[0], side_range[1])
output_width = input_width * r
output_height = input_height * r

如果輸入為 torch.Tensor 或 TVTensor (例如 Image、Video、BoundingBoxes 等)，則它可以具有任意數量的領先批次維度。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:

fill (數字或 tuple 或 dict, 選用) – 當 padding_mode 為常數時使用的像素填充值。預設值為 0。如果長度為 3 的 tuple，則分別用於填充 R、G、B 通道。填充值也可以是將資料類型對應到填充值的字典，例如 fill={tv_tensors.Image: 127, tv_tensors.Mask: 0}，其中 Image 將填充為 127，而 Mask 將填充為 0。
side_range (python:floats 序列, 選用) – 兩個浮點數的 tuple，定義縮放輸入大小的最小和最大因子。
p (float, 選用) – 將執行縮放操作的機率。

使用 RandomZoomOut 的範例

make_params(flat_inputs: List[Any]) → Dict[str, Any][原始碼]¶

用於覆寫自訂轉換的方法。

transform(inpt: Any, params: Dict[str, Any]) → Any[原始碼]¶

用於覆寫自訂轉換的方法。

文件