RandomZoomOut

class torchvision.transforms.v2.RandomZoomOut(fill: Union[int, float, Sequence[int], Sequence[float], None, dict[Union[type, str], Union[int, float, collections.abc.Sequence[int], collections.abc.Sequence[float], NoneType]] = 0, side_range: Sequence[float] = (1.0, 4.0), p: float = 0.5)

“SSD: Single Shot MultiBox Detector” 中的“Zoom out”变换。

此变换会随机填充图像、视频、边界框和掩码，从而产生放大效果。输出的空间尺寸将从原始尺寸随机采样，最多可达 side_range 参数配置的最大尺寸。

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、Video、BoundingBoxes 等），则它可能具有任意数量的前导批次维度。例如，图像的形状可以是 [..., C, H, W]。边界框的形状可以是 [..., 4]。

参数:

• fill (数字 或 元组 或 字典, 可选) – 当 padding_mode 为 constant 时使用的像素填充值。默认为 0。如果为长度为 3 的元组，则分别用于填充 R、G、B 通道。填充值也可以是映射数据类型到填充值的字典，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 (python:floats 序列, 可选) – 由两个浮点数组成的元组，定义了缩放输入尺寸的最小和最大因子。

• p (float, 可选) – 执行缩放操作的概率。

使用 RandomZoomOut 的示例

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

make_params(flat_inputs: list[Any]) → dict[str, Any]

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换

transform(inpt: Any, params: dict[str, Any]) → Any

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换