FiveCrop

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

将图像或视频裁剪为四个角和中心裁剪。

如果输入是torch.Tensor或Image或视频，它可以有任意数量的前导批次维度。例如，图像可以有[..., C, H, W]形状。

注意

此转换返回一组图像的元组，并且您的数据集返回的输入和目标数量可能不匹配。请参阅以下示例以了解如何处理这种情况。

Parameters:

size (序列或整数) – 期望的裁剪输出大小。如果 size 是一个 整数 而不是像 (h, w) 这样的序列，则会生成一个大小为 (size, size) 的正方形裁剪。 如果提供一个长度为 1 的序列，它将被解释为 (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])

使用 FiveCrop 的示例：

变换的图示

Illustration of transforms