快捷方式

RandomPhotometricDistort

class torchvision.transforms.v2.RandomPhotometricDistort(brightness: tuple[float, float] = (0.875, 1.125), contrast: tuple[float, float] = (0.5, 1.5), saturation: tuple[float, float] = (0.5, 1.5), hue: tuple[float, float] = (- 0.05, 0.05), p: float = 0.5)[source]

随机扭曲图像或视频,如SSD: Single Shot MultiBox Detector中所使用的。

此转换在后台依赖于 ColorJitter 来调整对比度、饱和度、色调、亮度,并随机排列通道。

参数:
  • brightness (tuple of python:float (min, max), optional) – 调整亮度的幅度。brightness_factor 从 [min, max] 中均匀选择。应为非负数。

  • contrast (tuple of python:float (min, max), optional) – 调整对比度的幅度。contrast_factor 从 [min, max] 中均匀选择。应为非负数。

  • saturation (tuple of python:float (min, max), optional) – 调整饱和度的幅度。saturation_factor 从 [min, max] 中均匀选择。应为非负数。

  • hue (tuple of python:float (min, max), optional) – 调整色调的幅度。hue_factor 从 [min, max] 中均匀选择。应满足 -0.5 <= min <= max <= 0.5。要调整色调,输入图像的像素值必须为非负数才能转换为 HSV 空间;因此,如果您将图像归一化为包含负值的区间,或在调用此函数之前使用会生成负值的插值,则此功能将不起作用。

  • p (float, optional) 每个失真操作的概率 (对比度, 饱和度, ...) – 默认值为 0.5。

使用 RandomPhotometricDistort 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
make_params(flat_inputs: list[Any]) dict[str, Any][source]

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[source]

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

文档

访问全面的 PyTorch 开发者文档

查看文档

教程

为初学者和高级开发者提供深入的教程

查看教程

资源

查找开发资源并让您的问题得到解答

查看资源