torchvision.transform图片转变/数据增强方法总结

来自官方文档-torchvision/transforms

Crop裁剪

transforms.CenterCrop中心裁剪

torchvision.transforms.CenterCrop(size)

根据给定的size从中心裁剪，size可以是sequence或者int，即(h, w)或者(size, size)。

transforms.RandomCrop随机裁剪

torchvision.transforms.RandomCrop(size, padding = None, pad_if_needed = False, fill = 0, padding_mode ='constant')

• size可以是sequence或者int，即(h, w)或者(size, size)。
• padding 图像每个边框上的可选填充。默认值为None，即无填充。如果提供长度为4的序列，则它用于分别填充左，上，右，下边界。如果提供长度为2的序列，则分别用于填充左/右，上/下边界
• pad_if_need如果小于所需大小，它将填充图像以避免引发异常。由于在填充之后完成裁剪，因此填充似乎是在随机偏移处完成的。
• fill恒定填充的像素填充值。默认值为0.如果长度为3的元组，则分别用于填充R，G，B通道。仅当padding_mode为常量时才使用此值.
• padding_mode填充类型，恒定、边缘、反射、对称。默认恒定
  • constant，具有常量值，用pad指定
  • edge，填充图像边缘的最后一个值
  • reflect，反射，例如padding [1, 2, 3, 4] with 2 elements on both sides in reflect mode will result in [3, 2, 1, 2, 3, 4, 3, 2]
  • symmetric，对称，例如padding [1, 2, 3, 4] with 2 elements on both sides in symmetric mode will result in [2, 1, 1, 2, 3, 4, 4, 3]

transforms.RandomResizedCrop随机长宽比裁剪

torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)

将给定的PIL图像裁剪为随机大小和宽高比。
将原始图像大小变成随机大小（默认值：是原始图像的0.08到1.0倍）和随机宽高比（默认值：3/4到4/3倍）。这种方法最终调整到适当的大小。这通常用于训练Inception网络。

• == size== - 每条边的预期输出大小