mindspore.dataset.vision.RandomErasing
- class mindspore.dataset.vision.RandomErasing(prob=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False, max_attempts=10)[源代码]
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 。
- 参数:
prob (float,可选) - 执行随机擦除的概率,取值范围:[0.0, 1.0]。默认值:
0.5
。scale (Sequence[float, float],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[float, float],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[int, int, int]]) - 擦除区域的像素填充值。若输入int,将以该值填充RGB通道;若输入Sequence[int, int, int],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float。
TypeError - 当 scale 的类型不为Sequence[float, float]。
TypeError - 当 ratio 的类型不为Sequence[float, float]。
TypeError - 当 value 的类型不为int、str或Sequence[int, int, int]。
TypeError - 当 inplace 的类型不为bool。
TypeError - 当 max_attempts 的类型不为int。
ValueError - 当 prob 取值不在[0.0, 1.0]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。
- 支持平台:
CPU
样例:
>>> import numpy as np >>> import mindspore.dataset as ds >>> import mindspore.dataset.vision as vision >>> from mindspore.dataset.transforms import Compose >>> >>> # Use the transform in dataset pipeline mode >>> transforms_list = Compose([vision.ToTensor(), ... vision.RandomErasing(value='random')]) >>> # apply the transform to dataset through map function >>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8) >>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"]) >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_columns="image") >>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True): ... print(item["image"].shape, item["image"].dtype) ... break (3, 100, 100) float32 >>> >>> # Use the transform in eager mode >>> data = np.random.randint(254, 255, size=(3, 100, 100)).astype(np.uint8) >>> output = vision.RandomErasing(prob=1.0, max_attempts=1)(data) >>> print(output.shape, output.dtype) (3, 100, 100) uint8
- 教程样例: