wrap_dataset_for_transforms_v2

torchvision.datasets.wrap_dataset_for_transforms_v2(dataset, target_keys=None)

为配合 torchvision.transforms.v2 的使用而封装 torchvision.dataset。

示例

>>> dataset = torchvision.datasets.CocoDetection(...)
>>> dataset = wrap_dataset_for_transforms_v2(dataset)

注意

目前，仅支持最流行的数据集。此外，该封装器仅支持 torchvision.transforms.v2 完全支持的数据集配置。如果您遇到要求您为所需的数据集或配置向 torchvision 提出 issue 的错误，请这样做。

数据集样本根据以下描述进行封装。

特殊情况

• CocoDetection: 该封装器返回一个列表字典，而不是返回目标作为字典列表。此外，添加了键值对 "boxes"（以 XYXY 坐标格式）"masks" 和 "labels"，并封装相应 torchvision.tv_tensors 中的数据。原始键保留。如果省略 target_keys，则仅返回 "image_id"、"boxes" 和 "labels" 的值。

• VOCDetection: 将键值对 "boxes" 和 "labels" 添加到目标中，并封装相应 torchvision.tv_tensors 中的数据。原始键保留。如果省略 target_keys，则仅返回 "boxes" 和 "labels" 的值。

• CelebA: target_type="bbox" 的目标被转换为 XYXY 坐标格式，并封装到 BoundingBoxes tv_tensor 中。

• Kitti: 该封装器返回一个列表字典，而不是返回目标作为字典列表。此外，添加了键值对 "boxes" 和 "labels"，并封装相应 torchvision.tv_tensors 中的数据。原始键保留。如果省略 target_keys，则仅返回 "boxes" 和 "labels" 的值。

• OxfordIIITPet: target_type="segmentation" 的目标被封装到 Mask tv_tensor 中。

• Cityscapes: target_type="semantic" 的目标被封装到 Mask tv_tensor 中。 target_type="instance" 的目标被 **替换** 为一个字典，其中包含键值对 "masks"（作为 Mask tv_tensor）和 "labels"。

• WIDERFace: 目标中键 "bbox" 的值被转换为 XYXY 坐标格式，并封装到 BoundingBoxes tv_tensor 中。

图像分类数据集

对于图像分类数据集，该封装器不起任何作用，因为它们已经得到了 torchvision.transforms 的完全支持，因此对于 torchvision.transforms.v2 也不需要任何更改。

分割数据集

分割数据集，例如 VOCSegmentation，返回一个由 PIL.Image.Image 组成的二元组。该封装器保持图像不变（第一个元素），同时将分割掩码封装到 Mask（第二个元素）中。

视频分类数据集

视频分类数据集，例如 Kinetics，返回一个三元组，其中包含视频和音频的 torch.Tensor 和标签（int）。该封装器将视频封装到 Video 中，而保持其他元素不变。

注意

仅支持使用 output_format="TCHW" 构建的数据集，因为 output_format="THWC" 的替代格式不受 torchvision.transforms.v2 支持。

参数:

• dataset – 要封装以兼容 transforms v2 的数据集实例。

• target_keys – 当目标是字典时要返回的目标键。如果为 None（默认），则选定的键特定于数据集。如果为 "all"，则返回整个目标。也可以是字符串集合，用于精细访问。目前仅支持 CocoDetection、VOCDetection、Kitti 和 WIDERFace。请参阅上文了解详情。

使用 wrap_dataset_for_transforms_v2 的示例

变换 v2：端到端目标检测/分割示例

变换 v2：端到端目标检测/分割示例

变换 v2 入门

变换 v2 入门