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