请我喝杯咖啡☕
*备忘录：
我的帖子解释了 randomrotation()。我的帖子解释了 randomaffine()。我的帖子解释了 randomhorizontalflip()。我的帖子解释了 randomverticalflip()。我的帖子解释了 oxfordiiitpet()。
randomperspective() 可以对零个或多个图像进行透视变换，如下所示：
*备忘录：
初始化的第一个参数是 distortion_scale（可选-默认：0.5-类型：int 或 float）：*备注：可以进行透视变换。必须是 0 初始化的第二个参数是 p（可选-默认：0.5-类型：int 或 float）：*备注：每张图像是否经过透视变换的概率。必须是 0 初始化的第三个参数是插值（optional-default:interpolationmode.bilinear-type:interpolationmode）。初始化的第四个参数是 fill(optional-default:0-type:int, float or tuple/list(int or float)):*备注：它可以改变图像的背景。 *对图像进行透视变换时可以看到背景。元组/列表必须是具有 3 个元素的一维。有第一个参数（必需类型：pil 图像或张量（int））。 *它必须是 3d 张量。v2建议按照v1还是v2使用？我应该使用哪一个？
from torchvision.datasets import OxfordIIITPetfrom torchvision.transforms.v2 import RandomPerspectivefrom torchvision.transforms.functional import InterpolationModerandompers = RandomPerspective()randompers = RandomPerspective(distortion_scale=0.5, p=0.5, interpolation=InterpolationMode.BILINEAR, fill=0)randompers# RandomPerspective(p=0.5,# distortion_scale=0.5,# interpolation=InterpolationMode.BILINEAR,# fill=0)randompers.distortion_scale# 0.5randompers.p# 0.5randompers.interpolation# <InterpolationMode.BILINEAR: ‘bilinear’>randompers.fill# 0origin_data = OxfordIIITPet( root="data", transform=None # transform=RandomPerspective(distortion_scale=0) # transform=RandomPerspective(p=0))dis02p1_data = OxfordIIITPet( root="data", transform=RandomPerspective(distortion_scale=0.2, p=1))dis06p1_data = OxfordIIITPet( root="data", transform=RandomPerspective(distortion_scale=0.6, p=1))dis1p1_data = OxfordIIITPet( root="data", transform=RandomPerspective(distortion_scale=1, p=1))p1_data = OxfordIIITPet( root="data", transform=RandomPerspective(p=1))p05_data = OxfordIIITPet( root="data", transform=RandomPerspective(p=0.5))p1fillgray_data = OxfordIIITPet( root="data", transform=RandomPerspective(p=1, fill=150))p1fillpurple_data = OxfordIIITPet( root="data", transform=RandomPerspective(p=1, fill=[160, 32, 240]))import matplotlib.pyplot as pltdef show_images1(data, main_title=None): plt.figure(figsize=(10, 5)) plt.suptitle(t=main_title, y=0.8, fontsize=14) for i, (im, _) in zip(range(1, 6), data): plt.subplot(1, 5, i) plt.imshow(X=im) plt.xticks(ticks=[]) plt.yticks(ticks=[]) plt.tight_layout() plt.show()show_images1(data=origin_data, main_title="origin_data")show_images1(data=dis02p1_data, main_title="dis02p1_data")show_images1(data=dis06p1_data, main_title="dis06p1_data")show_images1(data=dis1p1_data, main_title="dis1p1_data")show_images1(data=p1_data, main_title="p1_data")show_images1(data=p05_data, main_title="p05_data")show_images1(data=p1fillgray_data, main_title="p1fillgray_data")show_images1(data=p1fillpurple_data, main_title="p1fillpurple_data")# ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓def show_images2(data, main_title=None, d=0.5, prob=0.5, f=0): plt.figure(figsize=(10, 5)) plt.suptitle(t=main_title, y=0.8, fontsize=14) for i, (im, _) in zip(range(1, 6), data): plt.subplot(1, 5, i) rp = RandomPerspective(distortion_scale=d, p=prob, fill=f) # Here plt.imshow(X=rp(im)) # Here plt.xticks(ticks=[]) plt.yticks(ticks=[]) plt.tight_layout() plt.show()show_images2(data=origin_data, main_title="origin_data", d=0)show_images2(data=origin_data, main_title="dis02p1_data", d=0.2, prob=1)show_images2(data=origin_data, main_title="dis06p1_data", d=0.6, prob=1)show_images2(data=origin_data, main_title="dis1p1_data", d=1, prob=1)show_images2(data=origin_data, main_title="p1_data", prob=1)show_images2(data=origin_data, main_title="p05_data", prob=0.5)show_images2(data=origin_data, main_title="p1fillgray_data", prob=1, f=150)show_images2(data=origin_data, main_title="p1fillpurple_data", prob=1, f=[160, 32, 240])
以上就是PyTorch 中的随机透视的详细内容，更多请关注范的资源库其它相关文章！
转载请注明：范的资源库 » PyTorch中的随机透视
