RandomIoUCrop¶

class torchvision.transforms.v2.RandomIoUCrop(min_scale: float = 0.3, max_scale: float = 1.0, min_aspect_ratio: float = 0.5, max_aspect_ratio: float = 2.0, sampler_options: Optional[list[float]] = None, trials: int = 40)[原始碼]¶

來自 “SSD: Single Shot MultiBox Detector” 的隨機 IoU 裁剪變換。

此變換需要輸入中包含影像或影片資料和 tv_tensors.BoundingBoxes。

警告

為了正確刪除低於 IoU 閾值的邊界框，RandomIoUCrop 後面必須緊跟著 SanitizeBoundingBoxes，無論是立即跟隨還是在變換管道的後續步驟中。

如果輸入是 torch.Tensor 或 TVTensor（例如 Image、Video、BoundingBoxes 等），它可以擁有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。

引數:

min_scale (float, 可選) – 輸入尺寸的最小縮放因子。
max_scale (float, 可選) – 輸入尺寸的最大縮放因子。
min_aspect_ratio (float, 可選) – 裁剪後的影像或影片的最小寬高比。
max_aspect_ratio (float, 可選) – 裁剪後的影像或影片的最大寬高比。
sampler_options (list of python:float, 可選) – 所有框與裁剪後的影像或影片之間的最小 IoU (Jaccard) 重疊列表。預設值 None，對應於 [0.0, 0.1, 0.3, 0.5, 0.7, 0.9, 1.0]
trials (int, 可選) – 為給定的最小 IoU (Jaccard) 重疊值找到裁剪次數。預設值 40。