请我喝杯咖啡☕
*备忘录：
我的帖子解释了 oxfordiiitpet()。
fivecrop() 可以将图像裁剪为 5 个部分（左上、右上、左下、右下和中心），如下所示：
*备忘录：
初始化的第一个参数是 size(required-type:int or tuple/list(int) or size()):*备注：它是[高度，宽度]。必须是 1 元组/列表必须是具有 1 或 2 个元素的一维。单个值（int 或 tuple/list(int) 表示 [size, size]。第一个参数是img（必需类型：pil图像或张量（int））：*备注：张量必须是一个或多个元素的 2d 或 3d。不要使用img=。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 FiveCropfivecrop = FiveCrop(size=100)fivecrop# FiveCrop(size=(100, 100))fivecrop.size# (100, 100)origin_data = OxfordIIITPet( root="data", transform=None)p500p394origin_data = OxfordIIITPet( root="data", transform=FiveCrop(size=[500, 394]) # transform=FiveCrop(size=[600]) # transform=FiveCrop(size=[600, 600]))p300_data = OxfordIIITPet( root="data", transform=FiveCrop(size=300))p200_data = OxfordIIITPet( root="data", transform=FiveCrop(size=200))p100_data = OxfordIIITPet( root="data", transform=FiveCrop(size=100))p50_data = OxfordIIITPet( root="data", transform=FiveCrop(size=50))p10_data = OxfordIIITPet( root="data", transform=FiveCrop(size=10))p200p300_data = OxfordIIITPet( root="data", transform=FiveCrop(size=[200, 300]))p300p200_data = OxfordIIITPet( root="data", transform=FiveCrop(size=[300, 200]))import matplotlib.pyplot as pltdef show_images1(fcims, main_title=None): plt.figure(figsize=(10, 5)) plt.suptitle(t=main_title, y=0.8, fontsize=14) titles = ['Top-left', 'Top-right', 'bottom-left', 'bottom-right', 'center'] for i, fcim in zip(range(1, 6), fcims): plt.subplot(1, 5, i) plt.title(label=titles[i-1], fontsize=14) plt.imshow(X=fcim) plt.tight_layout() plt.show()plt.figure(figsize=(7, 9))plt.title(label="Origin_data", fontsize=14)plt.imshow(X=origin_data[0][0])show_images1(fcims=p500p394origin_data[0][0], main_title="p500p394origin_data")show_images1(fcims=p300_data[0][0], main_title="p300_data")show_images1(fcims=p200_data[0][0], main_title="p200_data")show_images1(fcims=p100_data[0][0], main_title="p100_data")show_images1(fcims=p50_data[0][0], main_title="p50_data")show_images1(fcims=p10_data[0][0], main_title="p10_data")show_images1(fcims=p200p300_data[0][0], main_title="p200p300_data")show_images1(fcims=p300p200_data[0][0], main_title="p300p200_data")# ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓def show_images2(im, main_title=None, s=None): plt.figure(figsize=(10, 5)) plt.suptitle(t=main_title, y=0.8, fontsize=14) titles = ['Top-left', 'Top-right', 'bottom-left', 'bottom-right', 'center'] if not s: s = [im.size[1], im.size[0]] fc = FiveCrop(size=s) # Here for i, fcim in zip(range(1, 6), fc(im)): plt.subplot(1, 5, i) plt.title(label=titles[i-1], fontsize=14) plt.imshow(X=fcim) # Here plt.tight_layout() plt.show()plt.figure(figsize=(7, 9))plt.title(label="Origin_data", fontsize=14)plt.imshow(X=origin_data[0][0])show_images2(im=origin_data[0][0], main_title="p500p394origin_data")# show_images2(im=origin_data[0][0], main_title="p500p394origin_data",# s=[500, 394])show_images2(im=origin_data[0][0], main_title="p300_data", s=300)show_images2(im=origin_data[0][0], main_title="p200_data", s=200)show_images2(im=origin_data[0][0], main_title="p100_data", s=100)show_images2(im=origin_data[0][0], main_title="p50_data", s=50)show_images2(im=origin_data[0][0], main_title="p10_data", s=10)show_images2(im=origin_data[0][0], main_title="p200p300_data", s=[200, 300])show_images2(im=origin_data[0][0], main_title="p300p200_data", s=[300, 200])
以上就是PyTorch 中的 FiveCrop的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1355756.html
微信扫一扫 
支付宝扫一扫 
