RandomAffine dans PyTorch

Ce code démontre la transformation RandomAffine dans torchvision. Il explore diverses combinaisons de paramètres, mettant en valeur ses capacités de rotation, de traduction, de mise à l'échelle et de cisaillement d'images. Les résultats sont visualisés à l'aide de matplotlib.

La transformation RandomAffine permet des transformations d'images en deux dimensions et en trois dimensions. Les paramètres clés incluent :

• degrees : Spécifie le ou les angles de rotation. Une seule valeur flottante représente une plage symétrique [-degrés, degrés]. Un tuple/liste de deux flottants définit une plage asymétrique [min, max].

• translate : Contrôle la traduction. Un tuple/liste de deux flottants [a, b] représente respectivement les décalages horizontaux et verticaux, sous forme de fractions de la largeur et de la hauteur de l'image.

• scale : Définit la plage de mise à l'échelle [min, max].

• shear : Présente le cisaillement. Une seule valeur flottante implique une plage de cisaillement symétrique [-shear, shear] pour x, avec un cisaillement y défini sur 0. Un tuple/une liste de deux flottants spécifie la plage de cisaillement x ; un tuple/liste à quatre éléments définit les plages de cisaillement x et y.

• interpolation : Spécifie la méthode d'interpolation (par exemple, InterpolationMode.NEAREST).

• fill : Détermine la couleur de remplissage pour les zones en dehors de l'image transformée. Peut être une valeur unique ou un tuple/liste représentant les valeurs RVB.

• center : Définit le centre de rotation.

Le code teste systématiquement différents réglages de paramètres, y compris les valeurs extrêmes pour démontrer le comportement de la transformation dans diverses conditions. La visualisation montre clairement les effets de chaque paramètre sur les images d'entrée. Les deux show_images fonctions offrent des fonctionnalités identiques, l'une appliquant la transformation directement dans la boucle de traçage et l'autre pré-calculant les transformations.

Les images affichées ci-dessous représentent visuellement les sorties des différentes RandomAffine transformations appliquées aux images de l'ensemble de données OxfordIIITPet.

---

---

---

---

---

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!