请我喝杯咖啡☕
*备忘录：
- 我的帖子解释了 oxfordiiitpet()。
fivecrop() 可以将图像裁剪为 5 个部分（左上、右上、左下、右下和中心），如下所示：
*备忘录：
- 初始化的第一个参数是 size(required-type:int or tuple/list(int) or size()):
*备注：
- 它是[高度，宽度]。
- 必须是 1
- 元组/列表必须是具有 1 或 2 个元素的一维。
- 单个值（int 或 tuple/list(int) 表示 [size, size]。
- 第一个参数是img（必需类型：pil图像或张量（int））：
*备注：
- 张量必须是一个或多个元素的 2d 或 3d。
- 不要使用img=。
- v2建议按照v1还是v2使用？我应该使用哪一个？
from torchvision.datasets import OxfordIIITPet
from torchvision.transforms.v2 import FiveCrop
fivecrop = FiveCrop(size=100)
fivecrop
# FiveCrop(size=(100, 100))
fivecrop.size
# (100, 100)
origin_data = OxfordIIITPet(
root="data",
transform=None
)
p500p394origin_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=[500, 394])
# transform=FiveCrop(size=[600])
# transform=FiveCrop(size=[600, 600])
)
p300_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=300)
)
p200_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=200)
)
p100_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=100)
)
p50_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=50)
)
p10_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=10)
)
p200p300_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=[200, 300])
)
p300p200_data = OxfordIIITPet(
root="data",
transform=FiveCrop(size=[300, 200])
)
import matplotlib.pyplot as plt
def show_images1(fcims, main_title=None):
plt.figure(figsize=(10, 5))
plt.suptitle(t=main_title, y=0.8, fontsize=14)
titles = ['Top-left', 'Top-right', 'bottom-left',
'bottom-right', 'center']
for i, fcim in zip(range(1, 6), fcims):
plt.subplot(1, 5, i)
plt.title(label=titles[i-1], fontsize=14)
plt.imshow(X=fcim)
plt.tight_layout()
plt.show()
plt.figure(figsize=(7, 9))
plt.title(label="Origin_data", fontsize=14)
plt.imshow(X=origin_data[0][0])
show_images1(fcims=p500p394origin_data[0][0], main_title="p500p394origin_data")
show_images1(fcims=p300_data[0][0], main_title="p300_data")
show_images1(fcims=p200_data[0][0], main_title="p200_data")
show_images1(fcims=p100_data[0][0], main_title="p100_data")
show_images1(fcims=p50_data[0][0], main_title="p50_data")
show_images1(fcims=p10_data[0][0], main_title="p10_data")
show_images1(fcims=p200p300_data[0][0], main_title="p200p300_data")
show_images1(fcims=p300p200_data[0][0], main_title="p300p200_data")
# ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
def show_images2(im, main_title=None, s=None):
plt.figure(figsize=(10, 5))
plt.suptitle(t=main_title, y=0.8, fontsize=14)
titles = ['Top-left', 'Top-right', 'bottom-left',
'bottom-right', 'center']
if not s:
s = [im.size[1], im.size[0]]
fc = FiveCrop(size=s) # Here
for i, fcim in zip(range(1, 6), fc(im)):
plt.subplot(1, 5, i)
plt.title(label=titles[i-1], fontsize=14)
plt.imshow(X=fcim) # Here
plt.tight_layout()
plt.show()
plt.figure(figsize=(7, 9))
plt.title(label="Origin_data", fontsize=14)
plt.imshow(X=origin_data[0][0])
show_images2(im=origin_data[0][0], main_title="p500p394origin_data")
# show_images2(im=origin_data[0][0], main_title="p500p394origin_data",
# s=[500, 394])
show_images2(im=origin_data[0][0], main_title="p300_data", s=300)
show_images2(im=origin_data[0][0], main_title="p200_data", s=200)
show_images2(im=origin_data[0][0], main_title="p100_data", s=100)
show_images2(im=origin_data[0][0], main_title="p50_data", s=50)
show_images2(im=origin_data[0][0], main_title="p10_data", s=10)
show_images2(im=origin_data[0][0], main_title="p200p300_data", s=[200, 300])
show_images2(im=origin_data[0][0], main_title="p300p200_data", s=[300, 200])
