快捷方式

RandomPhotometricDistort

class torchvision.transforms.v2.RandomPhotometricDistort(brightness: tuple[float, float] = (0.875, 1.125), contrast: tuple[float, float] = (0.5, 1.5), saturation: tuple[float, float] = (0.5, 1.5), hue: tuple[float, float] = (- 0.05, 0.05), p: float = 0.5)[原始碼]

隨機扭曲影像或影片,如 SSD: Single Shot MultiBox Detector 中所述。

此轉換底層依賴於 ColorJitter 來調整對比度、飽和度、色相、亮度,並隨機排列通道。

引數:
  • brightness (tuple of python:float (min, max), optional) – 調整亮度的幅度。brightness_factor 從 [min, max] 中均勻選擇。應為非負數。

  • contrast (tuple of python:float (min, max), optional) – 調整對比度的幅度。contrast_factor 從 [min, max] 中均勻選擇。應為非負數。

  • saturation (tuple of python:float (min, max), optional) – 調整飽和度的幅度。saturation_factor 從 [min, max] 中均勻選擇。應為非負數。

  • hue (tuple of python:float (min, max), optional) – 調整色相的幅度。hue_factor 從 [min, max] 中均勻選擇。應滿足 -0.5 <= min <= max <= 0.5。要調整色相,輸入影像的畫素值必須為非負數才能轉換為 HSV 空間;因此,如果將影像歸一化到包含負值的區間,或在使用此函式之前使用生成負值的插值,則此功能將不起作用。

  • p (float, optional) 每個失真操作的機率 (contrast, saturation, ...) – 預設為 0.5。

使用 RandomPhotometricDistort 的示例

變換 v2:端到端目標檢測/分割示例

變換 v2:端到端目標檢測/分割示例

變換 v2 入門

變換 v2 入門
make_params(flat_inputs: list[Any]) dict[str, Any][原始碼]

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

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

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

文件

訪問全面的 PyTorch 開發者文件

檢視文件

教程

為初學者和高階開發者提供深入的教程

檢視教程

資源

查詢開發資源並讓您的問題得到解答

檢視資源