RandomResizedCrop¶
- class torchvision.transforms.v2.RandomResizedCrop(size: Union[int, Sequence[int]], scale: Tuple[float, float] = (0.08, 1.0), ratio: Tuple[float, float] = (0.75, 1.3333333333333333), interpolation: Union[InterpolationMode,int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)[source]¶
隨機裁剪輸入的一部分並將其調整為給定大小。
如果輸入是
torch.Tensor或TVTensor（例如Image、Video、BoundingBoxes等），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]形狀。邊界框可以具有[..., 4]形狀。對原始輸入進行裁剪：裁剪區域具有隨機的面積 (H * W) 和隨機的縱橫比。最終將此裁剪區域調整為給定大小。這常用於訓練 Inception 網路。
- 引數：
size (int 或 sequence) –
預期裁剪區域的輸出大小，適用於每個邊緣。如果 size 是一個 int 而不是像 (h, w) 這樣的 sequence，則會得到一個正方形輸出大小
(size, size)。如果提供長度為 1 的 sequence，則將其解釋為 (size[0], size[0])。注意
在 torchscript 模式下，不支援將 size 作為單個 int，請使用長度為 1 的 sequence：
[size, ]。scale (tuple of python:float, optional) – 指定裁剪隨機區域的下限和上限，在調整大小之前。比例是相對於原始影像面積定義的。
ratio (tuple of python:float, optional) – 裁剪隨機縱橫比的下限和上限，在調整大小之前。
interpolation (InterpolationMode, optional) – 期望的插值模式 enum，由
torchvision.transforms.InterpolationMode定義。預設為InterpolationMode.BILINEAR。如果輸入是 Tensor，則僅支援InterpolationMode.NEAREST、InterpolationMode.NEAREST_EXACT、InterpolationMode.BILINEAR和InterpolationMode.BICUBIC。也接受相應的 Pillow 整數常量，例如PIL.Image.BILINEAR。antialias (bool, optional) –
是否應用抗鋸齒。它僅影響具有雙線性或雙三次模式的 tensor，否則會被忽略：對於 PIL 影像，在雙線性或雙三次模式下始終應用抗鋸齒；對於其他模式（對於 PIL 影像和 tensor），抗鋸齒沒有意義，此引數被忽略。可能的值為
True（預設）：將對雙線性或雙三次模式應用抗鋸齒。其他模式不受影響。這可能就是您想要使用的值。False：不會對任何模式下的 tensor 應用抗鋸齒。PIL 影像在雙線性或雙三次模式下仍然應用抗鋸齒，因為 PIL 不支援不抗鋸齒。None：對於 tensor 等同於False，對於 PIL 影像等同於True。此值因歷史原因存在，除非您非常清楚自己在做什麼，否則可能不應該使用它。
在 v0.17 中，預設值從
None更改為True，以使 PIL 和 Tensor 後端保持一致。
使用
RandomResizedCrop的示例- static get_params(img: Tensor, scale: List[float], ratio: List[float]) Tuple[int, int, int, int][source]¶
獲取隨機大小裁剪的
crop引數。
