forked from mindspore-Ecosystem/mindspore
add Chinese API for mindspore.dataset.vision
This commit is contained in:
parent
63e7c9e608
commit
49c599e023
|
|
@ -0,0 +1,21 @@
|
|||
mindspore.dataset.vision.py_transforms.AutoContrast
|
||||
===================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.AutoContrast(cutoff=0.0, ignore=None)
|
||||
|
||||
最大化（标准化）输入PIL图像的对比度。
|
||||
|
||||
首先计算输入图像的直方图，移除指定 `cutoff` 比例的最亮和最暗像素后，将像素值重新映射至[0, 255]，使得最暗像素变为黑色，最亮像素变为白色。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **cutoff** (float，可选) - 从直方图中移除最亮和最暗像素的百分比，取值范围为[0.0, 50.0)，默认值：0.0。
|
||||
- **ignore** (Union[int, sequence]，可选) - 背景像素值，将会被直接映射为白色，默认值：None，表示没有背景像素。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `cutoff` 的类型不为浮点型。
|
||||
- **TypeError** - 当 `ignore` 的类型不为整型或序列。
|
||||
- **ValueError** - 当 `cutoff` 取值不在[0, 50.0)范围内。
|
||||
- **ValueError** - 当 `ignore` 取值不在[0, 255]范围内。
|
||||
- **RuntimeError** - 当输入图像的shape不为<H, W>或<H, W, C>。
|
||||
|
|
@ -0,0 +1,15 @@
|
|||
mindspore.dataset.vision.py_transforms.CenterCrop
|
||||
=================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.CenterCrop(size)
|
||||
|
||||
以输入PIL图像的中心为裁剪中心，裁剪指定大小的子图。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **size** (Union[int, sequence]) - 裁剪子图的大小。若输入整型，则以该值为边裁剪(size, size)大小的子图；若输入2元素序列，则以2个元素分别为高和宽裁剪(height, width)大小的子图。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `size` 的类型不为整型或整型序列。
|
||||
- **ValueError** - 当 `size` 小于等于0。
|
||||
|
|
@ -0,0 +1,21 @@
|
|||
mindspore.dataset.vision.py_transforms.Cutout
|
||||
=============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Cutout(length, num_patches=1)
|
||||
|
||||
随机去除输入numpy.ndarray图像上一定数量的正方形区域，将区域内像素值置为0。
|
||||
|
||||
请参阅论文 `Improved Regularization of Convolutional Neural Networks with Cutout <https://arxiv.org/pdf/1708.04552.pdf>`_ 。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **length** (int) - 去除正方形区域的边长。
|
||||
- **num_patches** (int，可选) - 去除区域的数量，默认值：1。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `length` 的类型不为整型。
|
||||
- **TypeError** - 当 `num_patches` 的类型不为整型。
|
||||
- **ValueError** - 当 `length` 小于等于0。
|
||||
- **ValueError** - 当 `num_patches` 小于等于0。
|
||||
- **RuntimeError** - 当输入图像的shape不为<H, W, C>。
|
||||
|
|
@ -0,0 +1,11 @@
|
|||
mindspore.dataset.vision.py_transforms.Decode
|
||||
=============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Decode
|
||||
|
||||
将输入原始图像字节解码为RGB格式PIL图像。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **ValueError** - 当输入不是原始图像字节。
|
||||
- **ValueError** - 当输入是已解码的图像。
|
||||
|
|
@ -0,0 +1,8 @@
|
|||
mindspore.dataset.vision.py_transforms.Equalize
|
||||
===============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Equalize
|
||||
|
||||
均衡输入PIL图像的直方图。
|
||||
|
||||
通过对输入图像进行非线性映射，使得输出图像中的灰度值服从均匀分布。
|
||||
|
|
@ -0,0 +1,15 @@
|
|||
mindspore.dataset.vision.py_transforms.FiveCrop
|
||||
===============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.FiveCrop(size)
|
||||
|
||||
在输入PIL图像的中心与四个角处分别裁剪指定大小的子图。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **size** (Union[int, sequence]) - 裁剪子图的大小。若输入整型，则以该值为边裁剪(size, size)大小的子图；若输入2元素序列，则以2个元素分别为高和宽裁剪(height, width)大小的子图。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `size` 的类型不为整型或整型序列。
|
||||
- **ValueError** - 当 `size` 不为正数。
|
||||
|
|
@ -0,0 +1,15 @@
|
|||
mindspore.dataset.vision.py_transforms.Grayscale
|
||||
================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Grayscale(num_output_channels=1)
|
||||
|
||||
将输入PIL图像转换为灰度图。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **num_output_channels** (int) - 输出灰度图的通道数，取值可为1或3，默认值：1。当取值为3时，返回图像各通道的像素值将相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `num_output_channels` 的类型不为整型。
|
||||
- **ValueError** - 当 `num_output_channels` 取值不为1或3。
|
||||
|
|
@ -0,0 +1,11 @@
|
|||
mindspore.dataset.vision.py_transforms.HWC2CHW
|
||||
==============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.HWC2CHW
|
||||
|
||||
将输入的(H, W, C)形状numpy.ndarray图像转换为(C, H, W)形状。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当输入图像的类型不为 :class:`numpy.ndarray` 。
|
||||
- **TypeError** - 当输入图像的维度不为3。
|
||||
|
|
@ -0,0 +1,10 @@
|
|||
mindspore.dataset.vision.py_transforms.HsvToRgb
|
||||
===============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.HsvToRgb(is_hwc=False)
|
||||
|
||||
将输入的HSV格式numpy.ndarray图像转换为RGB格式。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **is_hwc** (bool) - 若为True，表示输入图像的维度为(H, W, C)或(N, H, W, C)；否则为(C, H, W)或(N, C, H, W)。默认值：False。
|
||||
|
|
@ -0,0 +1,6 @@
|
|||
mindspore.dataset.vision.py_transforms.Invert
|
||||
=============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Invert
|
||||
|
||||
反转输入PIL图像的颜色。
|
||||
|
|
@ -0,0 +1,23 @@
|
|||
mindspore.dataset.vision.py_transforms.LinearTransformation
|
||||
===========================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.LinearTransformation(transformation_matrix, mean_vector)
|
||||
|
||||
使用指定的变换方阵和均值向量对输入numpy.ndarray图像进行线性变换。
|
||||
|
||||
先将输入图像展平为一维，从中减去均值向量，然后计算其与变换方阵的点积，最后再变形回原始形状。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **transformation_matrix** (numpy.ndarray) - 形如(D, D)的变换方阵，其中
|
||||
|
||||
:math:`D = C \times H \times W` 。
|
||||
|
||||
- **mean_vector** (numpy.ndarray) - 形如(D,)的均值向量，其中
|
||||
|
||||
:math:`D = C \times H \times W` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `transformation_matrix` 的类型不为 :class:`numpy.ndarray` 。
|
||||
- **TypeError** - 当 `mean_vector` 的类型不为 :class:`numpy.ndarray` 。
|
||||
|
|
@ -0,0 +1,22 @@
|
|||
mindspore.dataset.vision.py_transforms.MixUp
|
||||
============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.MixUp(batch_size, alpha, is_single=True)
|
||||
|
||||
随机混合一批输入的numpy.ndarray图像及其标签。
|
||||
|
||||
首先将每个图像乘以一个从Beta分布随机生成的权重lambda，然后加上另一个图像与1 - lambda之积，最后使用同样的lambda值将图像对应的标签进行混合，请确保标签预先进行了one-hot编码。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **batch_size** (int) - 批处理大小，即图片的数量。
|
||||
- **alpha** (float) - Beta分布的α参数值，β参数也将使用该值。
|
||||
- **is_single** (bool，可选) - 若为True，将在批内随机混合图像[img0, ..., img(n-1), img(n)]与[img1, ..., img(n), img0]及对应标签；否则，将每批图像与前一批图像的处理结果混合。默认值：True。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `batch_size` 的类型不为整型。
|
||||
- **TypeError** - 当 `alpha` 的类型不为浮点型。
|
||||
- **TypeError** - 当 `is_single` 的类型不为布尔型。
|
||||
- **ValueError** - 当 `batch_size` 不为正数。
|
||||
- **ValueError** - 当 `alpha` 不为正数。
|
||||
|
|
@ -0,0 +1,25 @@
|
|||
mindspore.dataset.vision.py_transforms.Normalize
|
||||
================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Normalize(mean, std)
|
||||
|
||||
使用指定的均值和标准差，标准化形如(C, H, W)的输入numpy.ndarray图像。
|
||||
|
||||
.. math::
|
||||
|
||||
output_{c} = \frac{input_{c} - mean_{c}}{std_{c}}
|
||||
|
||||
.. note:: 输入图像的像素值需要在[0.0, 1.0]范围内。否则，请先调用 :class:`ToTensor` 进行转换。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **mean** (Union[float, sequence]) - 各通道的像素均值，取值范围为[0.0, 1.0]。若输入浮点型，将为每个通道应用相同的均值；若输入序列，长度应与通道数相等，且对应通道顺序进行排列。
|
||||
- **std** (Union[float, sequence]) - 各通道的标准差，取值范围为(0.0, 1.0]。若输入浮点型，将为每个通道应用相同的标准差；若输入序列，长度应与通道数相等，且对应通道顺序进行排列。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当输入图像的类型不为 :class:`numpy.ndarray` 。
|
||||
- **TypeError** - 当输入图像的维度不为3。
|
||||
- **NotImplementedError** - 当输入图像的像素值类型为整型。
|
||||
- **ValueError** - 当均值与标准差的长度不相等。
|
||||
- **ValueError** - 当均值或标准差的长度即不等于1，也不等于图像的通道数。
|
||||
|
|
@ -0,0 +1,29 @@
|
|||
mindspore.dataset.vision.py_transforms.NormalizePad
|
||||
===================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.NormalizePad(mean, std, dtype='float32')
|
||||
|
||||
使用指定的均值和标准差，标准化形如(C, H, W)的输入numpy.ndarray图像，并填充一个全零的额外通道。
|
||||
|
||||
.. math::
|
||||
output_{c} = \begin{cases}
|
||||
\frac{input_{c} - mean_{c}}{std_{c}}, & \text{if} \quad 0 \le c < 3 \text{;}\\
|
||||
0, & \text{if} \quad c = 3 \text{.}
|
||||
\end{cases}
|
||||
|
||||
.. note:: 输入图像的像素值需要在[0.0, 1.0]范围内。否则，请先调用 :class:`ToTensor` 进行转换。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **mean** (Union[float, sequence]) - 各通道的像素均值，取值范围为[0.0, 1.0]。若输入浮点型，将为每个通道应用相同的均值；若输入序列，长度应与通道数相等，且对应通道顺序进行排列。
|
||||
- **std** (Union[float, sequence]) - 各通道的标准差，取值范围为(0.0, 1.0]。若输入浮点型，将为每个通道应用相同的标准差；若输入序列，长度应与通道数相等，且对应通道顺序进行排列。
|
||||
- **dtype** (str，可选) - 输出图像的数据类型，仅支持"float32"和"float16"，默认值："float32"。
|
||||
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当输入图像的类型不为 :class:`numpy.ndarray` 。
|
||||
- **TypeError** - 当输入图像的维度不为3。
|
||||
- **NotImplementedError** - 当输入图像的像素值类型为整型。
|
||||
- **ValueError** - 当均值与标准差的长度不相等。
|
||||
- **ValueError** - 当均值或标准差的长度即不等于1，也不等于图像的通道数。
|
||||
|
|
@ -0,0 +1,26 @@
|
|||
mindspore.dataset.vision.py_transforms.Pad
|
||||
==========================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Pad(padding, fill_value=0, padding_mode=<Border.CONSTANT: 'constant'>)
|
||||
|
||||
对输入PIL图像的各边进行填充。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **padding** (Union[int, sequence]) - 图像各边填充的像素数。若输入整型，将以该值对所有边框进行填充；若输入2元素序列，将以第一个值填充左/上边框，第二个值填充右/下边框；若输入4元素序列，将分别用于填充左、上、右和下边框。
|
||||
- **fill_value** (Union[int, tuple]，可选) - 用于填充边框的像素值，仅当 `padding_mode` 为 Border.CONSTANT 时生效 。若输入整型，将以该值填充RGB通道；若输入3元素元组，将分别用于填充R、G、B通道。默认值：0。
|
||||
- **padding_mode** (Border，可选) - 填充方式，取值可为 Border.CONSTANT、Border.EDGE、Border.REFLECT 或 Border.SYMMETRIC。默认值：Border.CONSTANT。
|
||||
|
||||
- **Border.CONSTANT**：使用常量值进行填充。
|
||||
- **Border.EDGE**：使用各边的边界像素值进行填充。
|
||||
- **Border.REFLECT**：以各边的边界为轴进行镜像填充，忽略边界像素值。
|
||||
- **Border.SYMMETRIC**：以各边的边界为轴进行对称填充，包括边界像素值。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `padding` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `fill_value` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `padding_mode` 的类型不为 :class:`Border` 。
|
||||
- **ValueError** - 当 `padding` 为负数。
|
||||
- **ValueError** - 当 `fill_value` 取值不在[0, 255]范围内。
|
||||
- **RuntimeError** 当输入图像的shape不为<H, W>或<H, W, C>。
|
||||
|
|
@ -0,0 +1,34 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomAffine
|
||||
===================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=<Inter.NEAREST: 0>, fill_value=0)
|
||||
|
||||
对输入PIL图像进行随机仿射变换。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **degrees** (Union[int, float, sequence]) - 旋转角度的随机选取范围，单位为度。若输入单个数字，将从(-degrees, degrees)中随机生成旋转角度；若输入2元素序列，需按(min, max)顺序排列。
|
||||
- **translate** (sequence，可选) - 水平与垂直平移比例的随机选取范围，按照(tx, ty)顺序排列，水平与垂直平移的距离将分别从(-tx * width, tx * width)与(-ty * height, ty * height)中随机生成，默认值：None，表示不平移。
|
||||
- **scale** (sequence，可选) - 放缩比例的随机选取范围，默认值：None，表示不进行放缩。
|
||||
- **shear** (Union[int, float, sequence]，可选) - 剪切角度的随机选取范围，单位为度。若输入单个数字，将进行X轴剪切，剪切角度从(-shear, shear)中随机生成；若输入2元素序列，将进行X轴剪切，剪切角度从(shear[0], shear[1])中随机生成；若输入4元素序列，将分别进行X轴和Y轴剪切，剪切角度分别从(shear[0], shear[1])和(shear[2], shear[3])中随机生成。默认值：None，表示不进行剪切。
|
||||
- **resample** (Inter，可选) - 插值方式，取值可为 Inter.BILINEAR、Inter.NEAREST 或 Inter.BICUBIC。若输入的PIL图像模式为"1"或"P"，将直接使用 Inter.NEAREST 作为插值方式。默认值：Inter.NEAREST。
|
||||
|
||||
- **Inter.BILINEAR**：双线性插值。
|
||||
- **Inter.NEAREST**：最近邻插值。
|
||||
- **Inter.BICUBIC**：双三次插值。
|
||||
|
||||
- **fill_value** (Union[int, tuple]，可选) - 变换图像之外区域的像素填充值。若输入整型，将以该值填充RGB通道；若输入3元素元组，将分别用于填充R、G、B通道。默认值：0。仅支持Pillow 5.0.0以上版本。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `degrees` 的类型不为整型、浮点型或序列。
|
||||
- **TypeError** - 当 `translate` 的类型不为序列。
|
||||
- **TypeError** - 当 `scale` 的类型不为序列。
|
||||
- **TypeError** - 当 `shear` 的类型不为整型、浮点型或序列。
|
||||
- **TypeError** - 当 `resample` 的类型不为 :class:`Inter` 。
|
||||
- **TypeError** - 当 `fill_value` 的类型不为整型或整型元组。
|
||||
- **ValueError** - 当 `degrees` 为负数。
|
||||
- **ValueError** - 当 `translate` 取值不在[-1.0, 1.0]范围内。
|
||||
- **ValueError** - 当 `scale` 为负数。
|
||||
- **ValueError** - 当 `shear` 不为正数。
|
||||
- **RuntimeError** - 当输入图像的shape不为<H, W>或<H, W, C>。
|
||||
|
|
@ -0,0 +1,16 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomColor
|
||||
==================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomColor(degrees=(0.1, 1.9))
|
||||
|
||||
随机调整输入PIL图像的色彩平衡。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **degrees** (sequence) - 色彩调节系数的随机选取范围，需为一个2元素序列，按照(min, max)的顺序排列，默认值：(0.1, 1.9)。调节系数为1.0时返回原始图像；调节系数为0.0时返回黑白图像；取值越大，图像的亮度、对比度等越大。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `degrees` 的类型不为浮点型序列。
|
||||
- **ValueError** - 当 `degrees` 为负数。
|
||||
- **RuntimeError** - 当输入图像的shape不为<H, W, C>。
|
||||
|
|
@ -0,0 +1,24 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomColorAdjust
|
||||
========================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomColorAdjust(brightness=(1, 1), contrast=(1, 1), saturation=(1, 1), hue=(0, 0))
|
||||
|
||||
随机调整输入PIL图像的亮度、对比度、饱和度和色调。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **brightness** (Union[float, sequence]，可选) - 亮度调节系数的随机选取范围，需为非负数。若输入浮点型，将从[max(0, 1 - brightness), 1 + brightness)中随机生成亮度调节系数；若输入2元素序列，需按(min, max)顺序排列。默认值：(1, 1)。
|
||||
- **contrast** (Union[float, sequence]，可选) - 对比度调节系数的随机选取范围，需为非负数。若输入浮点型，将从[max(0, 1 - contrast), 1 + contrast)中随机生成对比度调节系数；若输入2元素序列，需按(min, max)顺序排列。默认值：(1, 1)。
|
||||
- **saturation** (Union[float, sequence]，可选) - 饱和度调节系数的随机选取范围，需为非负数。若输入浮点型，将从[max(0, 1 - saturation), 1 + saturation)中随机生成饱和度调节系数；若输入2元素序列，需按(min, max)顺序排列。默认值：(1, 1)。
|
||||
- **hue** (Union[float, sequence]，可选) - 色调调节系数的随机选取范围。若输入浮点型，取值范围为[0, 0.5]，将从[-hue, hue)中随机生成色调调节系数；若输入2元素序列，元素取值范围为[-0.5, 0.5]，且需按(min, max)顺序排列。默认值：(0, 0)。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `brightness` 的类型不为浮点型或浮点型序列。
|
||||
- **TypeError** - 当 `contrast` 的类型不为浮点型或浮点型序列。
|
||||
- **TypeError** - 当 `saturation` 的类型不为浮点型或浮点型序列。
|
||||
- **TypeError** - 当 `hue` 的类型不为浮点型或浮点型序列。
|
||||
- **ValueError** - 当 `brightness` 为负数。
|
||||
- **ValueError** - 当 `contrast` 为负数。
|
||||
- **ValueError** - 当 `saturation` 为负数。
|
||||
- **ValueError** - 当 `hue` 取值不在[-0.5, 0.5]范围内。
|
||||
|
|
@ -0,0 +1,30 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomCrop
|
||||
=================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill_value=0, padding_mode=<Border.CONSTANT: 'constant'>)
|
||||
|
||||
在输入PIL图像上的随机位置，裁剪指定大小的子图。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **size** (Union[int, sequence]) - 裁剪子图的大小。若输入整型，则以该值为边裁剪(size, size)大小的子图；若输入2元素序列，则以2个元素分别为高和宽裁剪(height, width)大小的子图。
|
||||
- **padding** (Union[int, sequence]，可选) - 图像各边填充的像素数。指定该参数后，将在随机裁剪前对图像进行填充。若输入整型，将以该值对所有边框进行填充；若输入2元素序列，将以第一个值填充左/上边框，第二个值填充右/下边框；若输入4元素序列，将分别用于填充左、上、右和下边框。默认值：None，表示不进行填充。
|
||||
- **pad_if_needed** (bool，可选) - 当图像任意边小于指定裁剪大小时，是否进行填充。默认值：False，表示不进行填充。
|
||||
- **fill_value** (Union[int, tuple]，可选) - 用于填充边框的像素值，仅当 `padding_mode` 为 Border.CONSTANT 时生效 。若输入整型，将以该值填充RGB通道；若输入3元素元组，将分别用于填充R、G、B通道。默认值：0。
|
||||
- **padding_mode** (Border，可选) - 填充方式，取值可为 Border.CONSTANT、Border.EDGE、Border.REFLECT 或 Border.SYMMETRIC。默认值：Border.CONSTANT。
|
||||
|
||||
- **Border.CONSTANT**：使用常量值进行填充。
|
||||
- **Border.EDGE**：使用各边的边界像素值进行填充。
|
||||
- **Border.REFLECT**：以各边的边界为轴进行镜像填充，忽略边界像素值。
|
||||
- **Border.SYMMETRIC**：以各边的边界为轴进行对称填充，包括边界像素值。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `size` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `padding` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `pad_if_needed` 的类型不为布尔型。
|
||||
- **TypeError** - 当 `fill_value` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `padding_mode` 的类型不为 :class:`Border` 。
|
||||
- **ValueError** - 当 `size` 不为正数。
|
||||
- **ValueError** - 当 `padding` 为负数。
|
||||
- **ValueError** - 当 `fill_value` 取值不在[0, 255]范围内。
|
||||
|
|
@ -0,0 +1,31 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomErasing
|
||||
====================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomErasing(prob=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False, max_attempts=10)
|
||||
|
||||
按照指定的概率擦除输入numpy.ndarray图像上随机矩形区域内的像素。
|
||||
|
||||
请参阅论文 `Random Erasing Data Augmentation <https://arxiv.org/pdf/1708.04896.pdf>`_。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **prob** (float，可选) - 执行随机擦除的概率，默认值：0.5。
|
||||
- **scale** (sequence，可选) - 擦除区域面积相对原图比例的随机选取范围，按照(min, max)顺序排列，默认值：(0.02, 0.33)。
|
||||
- **ratio** (sequence，可选) - 擦除区域宽高比的随机选取范围，按照(min, max)顺序排列，默认值：(0.3, 3.3)。
|
||||
- **value** (Union[int, str, sequence]) - 擦除区域的像素填充值。若输入整型，将以该值填充RGB通道；若输入3元素元组，将分别用于填充R、G、B通道；若输入字符串'random'，将以从标准正态分布获得的随机值擦除各个像素。默认值：0。
|
||||
- **inplace** (bool，可选) - 是否直接在原图上执行擦除，默认值：False。
|
||||
- **max_attempts** (int，可选) - 生成随机擦除区域的最大尝试次数，超过该次数时将返回原始图像。默认值：10。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `prob` 的类型不为浮点型。
|
||||
- **TypeError** - 当 `scale` 的类型不为序列。
|
||||
- **TypeError** - 当 `ratio` 的类型不为序列。
|
||||
- **TypeError** - 当 `value` 的类型不为整型、字符串或序列。
|
||||
- **TypeError** - 当 `inplace` 的类型不为布尔型。
|
||||
- **TypeError** - 当 `max_attempts` 的类型不为整型。
|
||||
- **ValueError** - 当 `prob` 取值不在[0, 1]范围内。
|
||||
- **ValueError** - 当 `scale` 为负数。
|
||||
- **ValueError** - 当 `ratio` 为负数。
|
||||
- **ValueError** - 当 `value` 取值不在[0, 255]范围内。
|
||||
- **ValueError** - 当 `max_attempts` 不为正数。
|
||||
|
|
@ -0,0 +1,15 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomGrayscale
|
||||
======================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomGrayscale(prob=0.1)
|
||||
|
||||
按照指定的概率将输入PIL图像转换为灰度图。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **prob** (float，可选) - 执行灰度转换的概率，默认值：0.1。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `prob` 的类型不为浮点型。
|
||||
- **ValueError** - 当 `prob` 取值不在[0, 1]范围内。
|
||||
|
|
@ -0,0 +1,16 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomHorizontalFlip
|
||||
===========================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomHorizontalFlip(prob=0.5)
|
||||
|
||||
按照指定的概率随机水平翻转输入的PIL图像。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **prob** (float，可选) - 执行水平翻转的概率，默认值：0.5。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `prob` 的类型不为浮点型。
|
||||
- **ValueError** - 当 `prob` 取值不在[0, 1]范围内。
|
||||
- **RuntimeError** - 当输入图像的shape不为<H, W>或<H, W, C>。
|
||||
|
|
@ -0,0 +1,24 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomPerspective
|
||||
========================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomPerspective(distortion_scale=0.5, prob=0.5, interpolation=<Inter.BICUBIC: 3>)
|
||||
|
||||
按照指定的概率对输入PIL图像进行透视变换。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **distortion_scale** (float，可选) - 失真程度，取值范围为[0, 1]，默认值：0.5。
|
||||
- **prob** (float，可选) - 执行透视变换的概率，默认值：0.5。
|
||||
- **interpolation** (Inter，可选) - 插值方式，取值可为 Inter.BILINEAR、Inter.NEAREST 或 Inter.BICUBIC。默认值：Inter.BICUBIC。
|
||||
|
||||
- **Inter.BILINEAR**：双线性插值。
|
||||
- **Inter.NEAREST**：最近邻插值。
|
||||
- **Inter.BICUBIC**：双三次插值。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `distortion_scale` 的类型不为浮点型。
|
||||
- **TypeError** - 当 `prob` 的类型不为浮点型。
|
||||
- **TypeError** - 当 `interpolation` 的类型不为 :class:`Inter` 。
|
||||
- **ValueError** - 当 `distortion_scale` 取值不在[0, 1]范围内。
|
||||
- **ValueError** - 当 `prob` 取值不在[0, 1]范围内。
|
||||
|
|
@ -0,0 +1,32 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomResizedCrop
|
||||
========================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=<Inter.BILINEAR: 2>, max_attempts=10)
|
||||
|
||||
在输入PIL图像上的随机位置裁剪子图，并放缩到指定大小。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **size** (Union[int, sequence]) - 图像放缩的大小。若输入整型，则放缩至(size, size)大小；若输入2元素序列，则以2个元素分别为高和宽放缩至(height, width)大小。
|
||||
- **scale** (Union[list, tuple]，可选) - 裁剪子图的面积相对原图比例的随机选取范围，按照(min, max)顺序排列，默认值：(0.08, 1.0)。
|
||||
- **ratio** (Union[list, tuple]，可选) - 裁剪子图的宽高比的随机选取范围，按照(min, max)顺序排列，默认值：(3./4., 4./3.)。
|
||||
- **interpolation** (Inter，可选) - 插值方式，取值可为 Inter.NEAREST、Inter.ANTIALIAS、Inter.BILINEAR 或 Inter.BICUBIC。默认值：Inter.BILINEAR。
|
||||
|
||||
- **Inter.NEAREST**：最近邻插值。
|
||||
- **Inter.ANTIALIAS**：抗锯齿插值。
|
||||
- **Inter.BILINEAR**：双线性插值。
|
||||
- **Inter.BICUBIC**：双三次插值。
|
||||
|
||||
- **max_attempts** (int，可选) - 生成随机裁剪位置的最大尝试次数，超过该次数时将使用中心裁剪，默认值：10。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `size` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `scale` 的类型不为元组。
|
||||
- **TypeError** - 当 `ratio` 的类型不为元组。
|
||||
- **TypeError** - 当 `interpolation` 的类型不为 :class:`Inter` 。
|
||||
- **TypeError** - 当 `max_attempts` 的类型不为整型。
|
||||
- **ValueError** - 当 `size` 不为正数。
|
||||
- **ValueError** - 当 `scale` 为负数。
|
||||
- **ValueError** - 当 `ratio` 为负数。
|
||||
- **ValueError** - 当 `max_attempts` 不为正数。
|
||||
|
|
@ -0,0 +1,30 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomRotation
|
||||
=====================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomRotation(degrees, resample=<Inter.NEAREST: 0>, expand=False, center=None, fill_value=0)
|
||||
|
||||
将输入PIL图像旋转随机角度。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **degrees** (Union[int, float, sequence]) - 旋转角度的随机选取范围。若输入单个数字，则从(-degrees, degrees)中随机生成旋转角度；若输入2元素序列，需按(min, max)顺序排列。
|
||||
- **resample** (Inter，可选) - 插值方式，取值可为 Inter.NEAREST、Inter.ANTIALIAS、Inter.BILINEAR 或 Inter.BICUBIC。若输入的PIL图像模式为"1"或"P"，将直接使用 Inter.NEAREST 作为插值方式。默认为Inter.NEAREST。
|
||||
|
||||
- **Inter.NEAREST**：最近邻插值。
|
||||
- **Inter.ANTIALIAS**：抗锯齿插值。
|
||||
- **Inter.BILINEAR**：双线性插值。
|
||||
- **Inter.BICUBIC**：双三次插值。
|
||||
|
||||
- **expand** (bool，可选) - 若为True，将扩展图像大小使其足以容纳整个旋转图像；若为False，则保持图像大小不变。请注意，扩展时将假设图像为中心旋转且未进行平移。
|
||||
- **center** (tuple，可选) - 以图像左上角为原点，旋转中心的位置，按照(width, height)顺序排列。默认值：None，表示中心旋转。
|
||||
- **fill_value** (Union[int, tuple]，可选) - 旋转图像之外区域的像素填充值。若输入整型，将以该值填充RGB通道；若输入3元素元组，将分别用于填充R、G、B通道。默认值：0。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `degrees` 的类型不为整型、浮点型或序列。
|
||||
- **TypeError** - 当 `resample` 的类型不为 :class:`Inter` 。
|
||||
- **TypeError** - 当 `expand` 的类型不为布尔型。
|
||||
- **TypeError** - 当 `center` 的类型不为元组。
|
||||
- **TypeError** - 当 `fill_value` 的类型不为整型或整型序列。
|
||||
- **ValueError** - 当 `fill_value` 取值不在[0, 255]范围内。
|
||||
- **RuntimeError** - 当输入图像的shape不为<H, W>或<H, W, C>。
|
||||
|
|
@ -0,0 +1,16 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomSharpness
|
||||
======================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomSharpness(degrees=(0.1, 1.9))
|
||||
|
||||
随机调整输入PIL图像的锐度。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **degrees** (sequence) - 锐度调节系数的随机选取范围，按照(min, max)顺序排列。调节系数为0.0时将返回模糊图像；调节系数为1.0时将返回原始图像；调节系数为2.0时将返回锐化图像。默认值：(0.1,1.9)。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `degrees` 的类型不为序列。
|
||||
- **ValueError** - 当 `degrees` 为负数。
|
||||
- **ValueError** - 当 `degrees` 未按照(min, max)顺序排列。
|
||||
|
|
@ -0,0 +1,16 @@
|
|||
mindspore.dataset.vision.py_transforms.RandomVerticalFlip
|
||||
=========================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RandomVerticalFlip(prob=0.5)
|
||||
|
||||
按照指定的概率随机垂直翻转输入的PIL图像。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **prob** (float，可选) - 执行垂直翻转的概率，默认值：0.5。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `prob` 的类型不为浮点型。
|
||||
- **ValueError** - 当 `prob` 取值不在[0, 1]范围内。
|
||||
- **RuntimeError** - 当输入图像的shape不为<H, W>或<H, W, C>。
|
||||
|
|
@ -0,0 +1,22 @@
|
|||
mindspore.dataset.vision.py_transforms.Resize
|
||||
=============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.Resize(size, interpolation=<Inter.BILINEAR: 2>)
|
||||
|
||||
将输入PIL图像放缩为指定大小。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **size** (Union[int, sequence]) - 图像放缩的大小。若输入整型，将调整图像的较短边为此值，而保持图像的宽高比不变；若输入2元素序列，则以2个元素分别为高和宽放缩至(height, width)大小。
|
||||
- **interpolation** (Inter，可选) - 插值方式，取值可为 Inter.NEAREST、Inter.ANTIALIAS、Inter.BILINEAR 或 Inter.BICUBIC。默认值：Inter.BILINEAR。
|
||||
|
||||
- **Inter.NEAREST**：最近邻插值。
|
||||
- **Inter.ANTIALIAS**：抗锯齿插值。
|
||||
- **Inter.BILINEAR**：双线性插值。
|
||||
- **Inter.BICUBIC**：双三次插值。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `size` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `interpolation` 的类型不为 :class:`Inter` 。
|
||||
- **ValueError** - 当 `size` 不为正数。
|
||||
|
|
@ -0,0 +1,10 @@
|
|||
mindspore.dataset.vision.py_transforms.RgbToHsv
|
||||
===============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.RgbToHsv(is_hwc=False)
|
||||
|
||||
将输入的RGB格式numpy.ndarray图像转换为HSV格式。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **is_hwc** (bool) - 若为True，表示输入图像的维度为(H, W, C)或(N, H, W, C)；否则为(C, H, W)或(N, C, H, W)。默认值：False。
|
||||
|
|
@ -0,0 +1,17 @@
|
|||
mindspore.dataset.vision.py_transforms.TenCrop
|
||||
==============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.TenCrop(size, use_vertical_flip=False)
|
||||
|
||||
在输入PIL图像的中心与四个角处分别裁剪指定大小的子图，并将其翻转图一并返回。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **size** (Union[int, sequence]) - 裁剪子图的大小。若输入整型，则以该值为边裁剪(size, size)大小的子图；若输入2元素序列，则以2个元素分别为高和宽裁剪(height, width)大小的子图。
|
||||
- **use_vertical_flip** (bool，可选) - 若为True，将对子图进行垂直翻转；否则进行水平翻转。默认值：False。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `size` 的类型不为整型或整型序列。
|
||||
- **TypeError** - 当 `use_vertical_flip` 的类型不为布尔型。
|
||||
- **ValueError** - 当 `size` 不为正数。
|
||||
|
|
@ -0,0 +1,12 @@
|
|||
mindspore.dataset.vision.py_transforms.ToPIL
|
||||
============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.ToPIL
|
||||
|
||||
将已解码的numpy.ndarray图像转换为PIL图像。
|
||||
|
||||
.. note:: 转换模式将根据 :class:`PIL.Image.fromarray` 由图像的数据类型决定。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当输入图像的类型不为 :class:`numpy.ndarray` 或 :class:`PIL.Image` 。
|
||||
|
|
@ -0,0 +1,15 @@
|
|||
mindspore.dataset.vision.py_transforms.ToTensor
|
||||
===============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.ToTensor(output_type=<class 'numpy.float32'>)
|
||||
|
||||
将输入的PIL或numpy.ndarray图像转换为指定数据类型的numpy.ndarray图像，此时像素值取值将由[0, 255]变为[0.0, 1.0]，图像的shape将由(H, W, C)变为(C, H, W)。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **output_type** (numpy.dtype，可选) - 输出图像的数据类型，默认值：numpy.float32。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当输入图像的类型不为 :class:`numpy.ndarray` 或 :class:`PIL.Image` 。
|
||||
- **TypeError** - 输入图像的维度不为2或3。
|
||||
|
|
@ -0,0 +1,14 @@
|
|||
mindspore.dataset.vision.py_transforms.ToType
|
||||
=============================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.ToType(output_type)
|
||||
|
||||
将输入的numpy.ndarray图像转换为指定数据类型。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **output_type** (numpy.dtype) - 输出图像的数据类型，例如numpy.float32。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 输入图像的类型不为 :class:`numpy.ndarray` 。
|
||||
|
|
@ -0,0 +1,19 @@
|
|||
mindspore.dataset.vision.py_transforms.UniformAugment
|
||||
=====================================================
|
||||
|
||||
.. py:class:: mindspore.dataset.vision.py_transforms.UniformAugment(transforms, num_ops=2)
|
||||
|
||||
从指定序列中均匀采样一批数据处理操作，并按顺序随机执行，即采样出的操作也可能不被执行。
|
||||
|
||||
序列中的所有数据处理操作要求具有相同的输入和输出类型，以便后一个操作能够处理前一个操作的输出数据。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **transforms** (sequence) - 数据处理操作序列。
|
||||
- **num_ops** (int，可选) - 均匀采样的数据处理操作数，默认值：2。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 当 `transforms` 的类型不为数据处理操作序列。
|
||||
- **TypeError** - 当 `num_ops` 的类型不为整型。
|
||||
- **ValueError** - 当 `num_ops` 不为正数。
|
||||
Loading…
Reference in New Issue