mindspore.dataset.vision.CutMixBatch

class mindspore.dataset.vision.CutMixBatch(image_batch_format, alpha=1.0, prob=1.0)[源代码]

对输入批次的图像和标注应用剪切混合转换。 请注意,在调用此操作符之前,您需要将标注制作为 one-hot 格式并进行批处理。

参数:
  • image_batch_format (ImageBatchFormat) - 图像批处理输出格式。可以是 ImageBatchFormat.NHWCImageBatchFormat.NCHW

  • alpha (float, 可选) - β分布的超参数,必须大于0。默认值: 1.0

  • prob (float, 可选) - 对每个图像应用剪切混合处理的概率,取值范围:[0.0, 1.0]。默认值: 1.0

异常:
  • TypeError - 如果 image_batch_format 不是 mindspore.dataset.vision.ImageBatchFormat 的类型。

  • TypeError - 如果 alpha 不是float类型。

  • TypeError - 如果 prob 不是 float 类型。

  • ValueError - 如果 alpha 小于或等于 0。

  • ValueError - 如果 prob 不在 [0.0, 1.0] 范围内。

  • RuntimeError - 如果输入图像的shape不是 <H, W, C>。

支持平台:

CPU

样例:

>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>> import mindspore.dataset.transforms as transforms
>>> from mindspore.dataset.vision import ImageBatchFormat
>>>
>>> image_folder_dataset = ds.ImageFolderDataset("/path/to/image_folder_dataset_directory")
>>> onehot_op = transforms.OneHot(num_classes=10)
>>> image_folder_dataset= image_folder_dataset.map(operations=onehot_op,
...                                                input_columns=["label"])
>>> cutmix_batch_op = vision.CutMixBatch(ImageBatchFormat.NHWC, 1.0, 0.5)
>>> image_folder_dataset = image_folder_dataset.batch(5)
>>> image_folder_dataset = image_folder_dataset.map(operations=cutmix_batch_op,
...                                                 input_columns=["image", "label"])
教程样例: