mindspore.dataset.vision.ResizeWithBBox
- class mindspore.dataset.vision.ResizeWithBBox(size, interpolation=Inter.LINEAR)[源代码]
将输入图像调整为给定的尺寸大小并相应地调整边界框的大小。
- 参数:
size (Union[int, Sequence[int]]) - 图像的输出尺寸大小。若输入整型,将调整图像的较短边长度为 size ,且保持图像的宽高比不变;若输入是2元素组成的序列,其输入格式需要是 (高度, 宽度) 。
interpolation (
Inter
, 可选) - 图像插值方法。可选值详见mindspore.dataset.vision.Inter
。 默认值:Inter.LINEAR
。
- 异常:
TypeError - 当 size 的类型不为int或Sequence[int]。
TypeError - 当 interpolation 的类型不为
mindspore.dataset.vision.Inter
。ValueError - 当 size 不为正数。
RuntimeError - 如果输入的Tensor不是 <H, W> 或 <H, W, C> 格式。
- 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.vision import Inter >>> >>> # 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"]) >>> bbox_op = vision.ResizeWithBBox(50, Inter.NEAREST) >>> transforms_list = [bbox_op] >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_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 (50, 50, 3) float32 (1, 4) float32 >>> >>> # Use the transform in eager mode >>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.float32) >>> func = lambda img: (data, np.array([[0, 0, data.shape[1], data.shape[0]]]).astype(data.dtype)) >>> func_data, func_bboxes = func(data) >>> output = vision.ResizeWithBBox(100)(func_data, func_bboxes) >>> print(output[0].shape, output[0].dtype) (100, 100, 3) float32 >>> print(output[1].shape, output[1].dtype) (1, 4) float32
- 教程样例: