ScaleJitter¶
- class torchvision.transforms.v2.ScaleJitter(target_size: Tuple[int, int], scale_range: Tuple[float, float] = (0.1, 2.0), interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)[source]¶
根據 “Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation”，對輸入執行大規模的 Scale Jitter。
如果輸入是
torch.Tensor或是TVTensor(例如Image、Video、BoundingBoxes等)，則它可以具有任意數量的 leading batch 維度。 例如，圖像可以具有[..., C, H, W]形狀。 邊界框可以具有[..., 4]形狀。- 參數:
target_size (tuple of python:int) – 目標尺寸。 此參數定義抖動 (jittering) 的基本比例，例如
min(target_size[0] / width, target_size[1] / height)。scale_range (tuple of python:float, optional) – 縮放範圍的最小值和最大值。 預設值為
(0.1, 2.0)。interpolation (InterpolationMode, optional) – 所需的插值列舉，由
torchvision.transforms.InterpolationMode定義。 預設值為InterpolationMode.BILINEAR。 如果輸入是 Tensor，則僅支援InterpolationMode.NEAREST、InterpolationMode.NEAREST_EXACT、InterpolationMode.BILINEAR和InterpolationMode.BICUBIC。 也接受對應的 Pillow 整數常數，例如PIL.Image.BILINEAR。antialias (bool, optional) –
是否應用抗鋸齒 (antialiasing)。 它僅影響具有雙線性或雙三次模式的 tensors，否則會被忽略：在 PIL 圖像上，始終在雙線性或雙三次模式下應用抗鋸齒；在其他模式（對於 PIL 圖像和 tensors）下，抗鋸齒沒有意義，並且此參數將被忽略。 可能的值包括
True(預設值)：將對雙線性或雙三次模式應用抗鋸齒。 其他模式不受影響。 這可能是您想要使用的。False：不會對任何模式下的 tensors 應用抗鋸齒。 PIL 圖像仍然會在雙線性或雙三次模式下進行抗鋸齒處理，因為 PIL 不支援不進行抗鋸齒。None：對於 tensors 等同於False，對於 PIL 圖像等同於True。 此值出於舊版原因而存在，除非您確實知道自己在做什麼，否則您可能不想使用它。
為了使 PIL 和 Tensor 後端保持一致，預設值已在 v0.17 中從
None變更為True。
