mindspore.dataset.vision.BoundingBoxAugment
- class mindspore.dataset.vision.BoundingBoxAugment(transform, ratio=0.3)[源代码]
对图像的随机标注边界框区域,应用给定的图像变换处理。
- 参数:
transform (TensorOperation) - 对图像的随机标注边界框区域应用的变换处理。
ratio (float, 可选) - 要应用变换的边界框的比例。范围:[0.0, 1.0]。默认值:
0.3
。
- 异常:
TypeError - 如果 transform 不是 mindspore.dataset.vision 模块中的图像变换处理。
TypeError - 如果 ratio 不是float类型。
ValueError - 如果 ratio 不在 [0.0, 1.0] 范围内。
RuntimeError - 如果给定的边界框无效。
- 支持平台:
CPU
样例:
>>> import numpy as np >>> import mindspore.dataset as ds >>> import mindspore.dataset.vision as vision >>> >>> # Use the transform in dataset pipeline mode >>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.float32) >>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"]) >>> func = lambda img: (data, np.array([[0, 0, data.shape[1], data.shape[0]]]).astype(np.float32)) >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=[func], ... input_columns=["image"], ... output_columns=["image", "bbox"]) >>> # set bounding box operation with ratio of 1 to apply rotation on all bounding boxes >>> bbox_aug_op = vision.BoundingBoxAugment(vision.RandomRotation(90), 1) >>> # map to apply ops >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=[bbox_aug_op], ... input_columns=["image", "bbox"], ... output_columns=["image", "bbox"]) >>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True): ... print(item["image"].shape, item["image"].dtype) ... print(item["bbox"].shape, item["bbox"].dtype) ... break (100, 100, 3) float32 (1, 4) float32 >>> >>> # Use the transform in eager mode >>> data = np.array([[0, 1, 2, 3, 4, 5], [0, 1, 2, 3, 4, 5]], dtype=np.uint8).reshape((3, 4)) >>> data = data.astype(np.float32) >>> func = lambda img, bboxes: (data, np.array([[0, 0, data.shape[1], data.shape[0]]]).astype(bboxes.dtype)) >>> func_data, func_bboxes = func(data, data) >>> output = vision.BoundingBoxAugment(transforms.Fill(100), 1.0)(func_data, func_bboxes) >>> print(output[0].shape, output[0].dtype) (3, 4) float32 >>> print(output[1].shape, output[1].dtype) (1, 4) float32
- 教程样例: