随机光度失真

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)

随机扭曲图像或视频，如SSD: Single Shot MultiBox Detector中所使用的。

此转换依赖于ColorJitter来调整对比度、饱和度、色调、亮度，并随机排列通道。

Parameters:

• brightness (python:float的元组 (最小值, 最大值), 可选) – 亮度抖动的程度。 brightness_factor 从 [最小值, 最大值] 中均匀选择。应为非负数。

• 对比度 (python:float 的元组 (最小值, 最大值), 可选) – 对比度抖动的程度。 contrast_factor 从 [min, max] 中均匀选择。应为非负数。

• saturation (tuple of python:float (min, max), optional) – 饱和度抖动的程度。 saturation_factor 从 [min, max] 中均匀选择。应为非负数。

• hue (python:float的元组 (最小值, 最大值), 可选) – 色调抖动的程度。 hue_factor 从 [min, max] 中均匀选择。应满足 -0.5 <= min <= max <= 0.5。 为了抖动色调，输入图像的像素值必须为非负值，以便转换为HSV空间； 因此，如果您将图像归一化到包含负值的区间，或者在使用此函数之前使用生成负值的插值方法，则此操作将无效。

• p (float, 可选) 每次失真操作的概率 (对比度, 饱和度, ...) – 默认值为0.5。

使用RandomPhotometricDistort的示例：

开始使用 transforms v2

Getting started with transforms v2

Transforms v2: 端到端目标检测/分割示例

Transforms v2: End-to-end object detection/segmentation example