FiveCrop

類 torchvision.transforms.v2.FiveCrop(size: Union[int, Sequence[int]])

將影像或影片裁剪為四個角和中心部分。

如果輸入是 torch.Tensor、Image 或 Video，它可以包含任意數量的前導批次維度。例如，影像可以具有 [..., C, H, W] 的形狀。

注意

此變換返回一個影像元組，這可能與您的 Dataset 返回的輸入和目標數量不匹配。請參閱下面的示例瞭解如何處理此問題。

引數：

size (sequence 或 int) – 期望的裁剪輸出尺寸。如果 size 是 int 而不是像 (h, w) 這樣的 sequence，則會進行 size 為 (size, size) 的方形裁剪。如果提供長度為 1 的 sequence，則將被解釋為 (size[0], size[0])。

示例

>>> class BatchMultiCrop(transforms.Transform):
...     def forward(self, sample: Tuple[Tuple[Union[tv_tensors.Image, tv_tensors.Video], ...], int]):
...         images_or_videos, labels = sample
...         batch_size = len(images_or_videos)
...         image_or_video = images_or_videos[0]
...         images_or_videos = tv_tensors.wrap(torch.stack(images_or_videos), like=image_or_video)
...         labels = torch.full((batch_size,), label, device=images_or_videos.device)
...         return images_or_videos, labels
...
>>> image = tv_tensors.Image(torch.rand(3, 256, 256))
>>> label = 3
>>> transform = transforms.Compose([transforms.FiveCrop(224), BatchMultiCrop()])
>>> images, labels = transform(image, label)
>>> images.shape
torch.Size([5, 3, 224, 224])
>>> labels
tensor([3, 3, 3, 3, 3])

使用 FiveCrop 的示例

變換示意圖

變換示意圖

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

用於覆蓋以實現自定義變換的方法。

請參閱 How to write your own v2 transforms