RandomZoomOut

class torchvision.transforms.v2.RandomZoomOut(fill: Union[int, float, Sequence[int], Sequence[float], None, dict[Union[type, str], Union[int, float, collections.abc.Sequence[int], collections.abc.Sequence[float], NoneType]] = 0, side_range: Sequence[float] = (1.0, 4.0), p: float = 0.5)

“SSD: Single Shot MultiBox Detector” 中的“Zoom out”變換。

此變換會隨機填充影像、影片、邊界框和掩碼，從而產生放大效果。輸出的空間尺寸將從原始尺寸隨機取樣，最多可達 side_range 引數配置的最大尺寸。

r = uniform_sample(side_range[0], side_range[1])
output_width = input_width * r
output_height = input_height * r

如果輸入是 torch.Tensor 或 TVTensor（例如 Image、Video、BoundingBoxes 等），則它可能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]。邊界框的形狀可以是 [..., 4]。

引數:

• fill (數字 或 元組 或 字典, 可選) – 當 padding_mode 為 constant 時使用的畫素填充值。預設為 0。如果為長度為 3 的元組，則分別用於填充 R、G、B 通道。填充值也可以是對映資料型別到填充值的字典，例如 fill={tv_tensors.Image: 127, tv_tensors.Mask: 0}，其中 Image 將被填充為 127，Mask 將被填充為 0。

• side_range (python:floats 序列, 可選) – 由兩個浮點陣列成的元組，定義了縮放輸入尺寸的最小和最大因子。

• p (float, 可選) – 執行縮放操作的機率。

使用 RandomZoomOut 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

make_params(flat_inputs: list[Any]) → dict[str, 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

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