megengine.data.transform.VisionTransform¶
- class VisionTransform(order=None)[源代码]¶
计算机视觉（vision）中所有transform(数据增广)类函数的基类。 调用逻辑：apply_batch() -> apply() -> _apply_image() 以及其他类似 _apply_*() 的类方法。 如果需要自定义处理图像的transform函数的实现，在子类中重写 _apply_image 方法。
- 参数
order –
输入数据中各类型的顺序。输入数据是由不同类型数据组成元组，order则可以用来指明其中 各类数据类型出现的顺序。比如，如果输入为(image, boxes)类型，那么order应该相应地设为(“image”, “boxes”)。目前支持的字符串类型与数据类型有：
”image”: 输入图像，形为 (H, W, C)。
”coords”: 坐标，形为 (N, 2)。
”boxes”: bounding boxes，形为 (N, 4)，采用 “xyxy” 格式，第一个”xy”代表box的左上角，第二个”xy”代表右下角。
”mask”: 用于图像分割的 mask map，形为 (H, W, 1)。
”keypoints”: 特征点，形为 (N, K, 3)，其中 N 为实例数量, K 为一个实例中的特征点数量。最后一轴对应的数据前两维是特征点的坐标，第三维则是特征点的标签。
”polygons”: 包含numpy数组的序列。其长为实例的数目，每个numpy数组代表一个实例的多边形坐标。
”category”: 某些数据类型的标签。比如，”image_category”表示输入图像的类别，”boxes_category”表示bounding box的类别。
”info”: 关于图像的信息，比如图像形状与图像路径。
只有自定义实现了对应的_apply_*()，才支持自定义数据类型，否则抛出
NotImplementedError错误。方法
apply(input)对单个输入数据实施数据增强。
apply_batch(inputs)对一批（batch）的输入数据实施数据增广。