wrap_dataset_for_transforms_v2

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

将一个 torchvision.dataset 封装以便与 torchvision.transforms.v2 一起使用。

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，该包装器仅支持 torchvision.transforms.v2 完全支持的数据集配置。如果您遇到需要您向 torchvision 提交 issue 的数据集或配置，请这样做。

数据集样本根据以下描述进行封装。

特殊情况

• CocoDetection：该包装器不返回字典列表作为目标，而是返回列表的字典。此外，还添加了键值对 "boxes"（采用 XYXY 坐标格式）、"masks" 和 "labels"，并将数据封装在相应的 torchvision.tv_tensors 中。原始键会被保留。如果省略 target_keys，则仅返回 "image_id"、"boxes" 和 "labels" 的值。

• VOCDetection：键值对 "boxes" 和 "labels" 会被添加到目标中，并将数据封装在相应的 torchvision.tv_tensors 中。原始键会被保留。如果省略 target_keys，则仅返回 "boxes" 和 "labels" 的值。

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

• Kitti：该包装器不返回字典列表作为目标，而是返回列表的字典。此外，还添加了键值对 "boxes" 和 "labels"，并将数据封装在相应的 torchvision.tv_tensors 中。原始键会被保留。如果省略 target_keys，则仅返回 "boxes" 和 "labels" 的值。

• OxfordIIITPet：对于 target_type="segmentation"，目标会被封装到 Mask tv_tensor 中。

• Cityscapes：对于 target_type="semantic"，目标会被封装到 Mask tv_tensor 中。对于 target_type="instance"，目标会被一个包含键值对 "masks"（作为 Mask tv_tensor）和 "labels" 的字典所*替换*。

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

图像分类数据集

此包装器对于图像分类数据集是无操作的，因为它们已经得到了 torchvision.transforms 的完全支持，因此无需更改即可与 torchvision.transforms.v2 一起使用。

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。该包装器保持图像不变（第一项），同时将分割掩码封装为 Mask（第二项）。

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 和一个作为标签的 int。该包装器将视频封装为 Video，而保持其他项不变。

注意

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

参数:

• dataset – 要包装以与 transforms v2 兼容的数据集实例。

• target_keys – 当目标是字典时要返回的目标键。如果为 None（默认值），则选定的键特定于数据集。如果为 "all"，则返回整个目标。也可以是字符串的集合以进行细粒度访问。目前仅支持 CocoDetection、VOCDetection、Kitti 和 WIDERFace。有关详细信息，请参见上文。

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