Pytorch中的Fivecrop

给我买咖啡☕

*备忘录：

我的帖子解释了牛津iiitpet（）。

> fivecrop（）可以将图像裁剪成5个部分（左上角，右上，左下，右下和中心），如下所示：

*备忘录：

元组/列表必须是具有1或2个元素的1d。

单个值（int或tuple/list（int））是指[size，size]。

第一个参数是img（必需类型：pil图像或张量（int））： *备忘录：

张量必须为2d或3d。

不使用img =。

建议根据v1或v2使用v2？我应该使用哪一个？

from torchvision.datasets import OxfordIIITPet from torchvision.transforms.v2 import FiveCrop  fivecrop = FiveCrop(size=100)  fivecrop # FiveCrop(size=(100, 100))  fivecrop.size # (100, 100)  origin_data = OxfordIIITPet(     root="data",     transform=None )  s500_394origin_data = OxfordIIITPet( # `s` is size.     root="data",     transform=FiveCrop(size=[500, 394]) )  s300_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=300) )  s200_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=200) )  s100_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=100) )  s50_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=50) )  s10_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=10) )  s1_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=1) )  s200_300_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=[200, 300]) )  s300_200_data = OxfordIIITPet(     root="data",     transform=FiveCrop(size=[300, 200]) )  import matplotlib.pyplot as plt  def 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="s500_394origin_data", fontsize=14) plt.imshow(X=origin_data[0][0]) show_images1(fcims=s500_394origin_data[0][0], main_title="s500_394origin_data") show_images1(fcims=s300_data[0][0], main_title="s300_data") show_images1(fcims=s200_data[0][0], main_title="s200_data") show_images1(fcims=s100_data[0][0], main_title="s100_data") show_images1(fcims=s50_data[0][0], main_title="s50_data") show_images1(fcims=s10_data[0][0], main_title="s10_data") show_images1(fcims=s1_data[0][0], main_title="s1_data") show_images1(fcims=s200_300_data[0][0], main_title="s200_300_data") show_images1(fcims=s300_200_data[0][0], main_title="s300_200_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="s500_394origin_data", fontsize=14) plt.imshow(X=origin_data[0][0]) show_images2(im=origin_data[0][0], main_title="s500_394origin_data") # show_images2(im=origin_data[0][0], main_title="s500_394origin_data", #              s=[500, 394]) show_images2(im=origin_data[0][0], main_title="s300_data", s=300) show_images2(im=origin_data[0][0], main_title="s200_data", s=200) show_images2(im=origin_data[0][0], main_title="s100_data", s=100) show_images2(im=origin_data[0][0], main_title="s50_data", s=50) show_images2(im=origin_data[0][0], main_title="s10_data", s=10) show_images2(im=origin_data[0][0], main_title="s1_data", s=1) show_images2(im=origin_data[0][0], main_title="s200_300_data", s=[200, 300]) show_images2(im=origin_data[0][0], main_title="s300_200_data", s=[300, 200])

登录后复制