Python mxnet.image.CreateMultiRandCropAugmenter用法及代碼示例

用法: mxnet.image.CreateMultiRandCropAugmenter(min_object_covered=0.1, aspect_ratio_range=(0.75, 1.33), area_range=(0.05, 1.0), min_eject_coverage=0.3, max_attempts=50, skip_prob=0)

參數：

min_object_covered：(float or list of float, default=0.1) - 圖像的裁剪區域必須至少包含所提供的任何邊界框的這一部分。此參數的值應為非負數。在 0 的情況下，裁剪區域不需要與提供的任何邊界框重疊。
min_eject_coverage：(float or list of float, default=0.3) - 裁剪樣本的最小覆蓋率 w.r.t 其原始大小。有了這個約束，裁剪後具有邊區域的對象將被丟棄。
aspect_ratio_range：(tuple of floats or list of tuple of floats, default=(0.75, 1.33)) - 圖像的裁剪區域必須在此範圍內具有縱橫比 = 寬度 /高度。
area_range：(tuple of floats or list of tuple of floats, default=(0.05, 1.0)) - 圖像的裁剪區域必須包含此範圍內提供的圖像的一小部分。
max_attempts：(int or list of int, default=50) - 嘗試生成指定約束的圖像的裁剪/填充區域的次數。 max_attempts 失敗後，返回原始圖像。

輔助函數來創建多個隨機裁剪增強器。

例子：

>>> # An example of creating multiple random crop augmenters
>>> min_object_covered = [0.1, 0.3, 0.5, 0.7, 0.9]  # use 5 augmenters
>>> aspect_ratio_range = (0.75, 1.33)  # use same range for all augmenters
>>> area_range = [(0.1, 1.0), (0.2, 1.0), (0.2, 1.0), (0.3, 0.9), (0.5, 1.0)]
>>> min_eject_coverage = 0.3
>>> max_attempts = 50
>>> aug = mx.image.det.CreateMultiRandCropAugmenter(min_object_covered=min_object_covered,
        aspect_ratio_range=aspect_ratio_range, area_range=area_range,
        min_eject_coverage=min_eject_coverage, max_attempts=max_attempts,
        skip_prob=0)
>>> aug.dumps()  # show some details

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.image.CreateMultiRandCropAugmenter。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。