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：