FiveCrop

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

將影像或影片裁剪成四個角和中心裁剪。

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

注意

此變換返回一個影像元組，並且您的 Dataset 返回的輸入和目標數量可能不匹配。有關如何處理此問題，請參閱下面的示例。

引數:

size (sequence 或 int) – 裁剪的所需輸出大小。如果 size 是 int 而不是序列 (h, w)，則進行大小為 (size, size) 的方形裁剪。如果提供長度為 1 的序列，它將被解釋為 (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])

FiveCrop 的示例

轉換圖示

轉換圖示

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

用於覆蓋自定義變換的方法。

請參閱 如何編寫自己的 v2 變換