随机缩小¶

class torchvision.transforms.v2.RandomZoomOut(fill: Union[int, float, Sequence[int], Sequence[float], None, Dict[Union[Type, str], Optional[Union[int, float, Sequence[int], Sequence[float]]]]] = 0, side_range: Sequence[float] = (1.0, 4.0), p: float = 0.5)[source]¶

此转换随机填充图像、视频、边界框和掩码，创建缩小效果。输出空间大小从原始大小随机采样，最大大小由side_range参数配置：

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

如果输入是torch.Tensor或TVTensor（例如Image， 视频，BoundingBoxes等），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。边界框可以有[..., 4]形状。

Parameters:

fill (number 或 tuple 或 dict, 可选) – 当 padding_mode 为 constant 时使用的像素填充值。默认值为 0。如果是一个长度为 3 的元组，则分别用于填充 R、G、B 通道。填充值也可以是一个将数据类型映射到填充值的字典，例如 fill={tv_tensors.Image: 127, tv_tensors.Mask: 0}，其中 Image 将被填充为 127， Mask 将被填充为 0。
side_range (sequence of python:floats, optional) – 由两个浮点数组成的元组，定义了缩放输入大小的最小和最大因子。
p (float, 可选) – 执行缩放操作的概率。

使用 RandomZoomOut 的示例：

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