# batch_transform

Python API: `luxonis_ml.data.augmentations.batch_transform`

## 类

### BatchTransform

组合多个样本的转换基类。

#### 方法

##### init

```python
def __init__(batch_size: int, **kwargs):
```

创建批处理转换。

批处理转换将多个图像及其标签组合成一个样本。

参数

 * `batch_size` (`int`): 增强所需的样本数量。
 * `**kwargs`: 传递给父 Albumentations 转换的附加参数。

##### apply

```python
def apply(image_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批图像。

参数

 * `image_batch` (`list[np.ndarray]`): 要转换的图像。每个图像的形状应为 (H, W, C) 或 (H, W)。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`: 由输入批次组合而成的单个转换图像。

##### apply_to_array

```python
def apply_to_array(array_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批通用数组。

> **注意**
> 默认实现只是连接非空数组。如果需要不同的行为，请覆盖此方法。

参数

 * `array_batch` (`list[np.ndarray]`): 要转换的数组批次。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`

##### apply_to_bboxes

```python
def apply_to_bboxes(bboxes_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批边界框。

参数

 * `bboxes_batch` (`list[np.ndarray]`): 要转换的边界框批次。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`: 由输入批次组合而成的转换后的边界框。

##### apply_to_classification

```python
def apply_to_classification(classification_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批分类标签。

> **注意**
> 默认实现将分类标签视为二进制并返回它们的逻辑或。如果需要不同的行为，请覆盖此方法。

参数

 * `classification_batch` (`list[np.ndarray]`): 要转换的分类标签批次。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`

##### apply_to_instance_mask

```python
def apply_to_instance_mask(masks_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批实例分割掩码。

参数

 * `masks_batch` (`list[np.ndarray]`): 要转换的掩码。每个掩码的形状应为 (H, W, N)，其中 N 是实例的数量。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`: 形状为 (Hout, Wout, N) 的单个实例掩码。

##### apply_to_keypoints

```python
def apply_to_keypoints(keypoints_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批关键点。

参数

 * `keypoints_batch` (`list[np.ndarray]`): 要转换的关键点批次。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`: 由输入批次组合而成的转换后的关键点。

##### apply_to_mask

```python
def apply_to_mask(masks_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批语义分割掩码。

参数

 * `masks_batch` (`list[np.ndarray]`): 要转换的掩码。每个掩码的形状应为 (H, W, C) 或 (H, W)。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`: 由输入批次组合而成的单个转换掩码。

##### apply_to_metadata

```python
def apply_to_metadata(metadata_batch: list[np.ndarray], **kwargs) -> np.ndarray:
```

将转换应用于一批元数据数组。

> **注意**
> 默认实现连接非空元数据数组。如果需要不同的行为，请覆盖此方法。

参数

 * `metadata_batch` (`list[np.ndarray]`): 要转换的元数据数组批次。
 * `**kwargs`: 附加的特定于实现的参数。

返回

 * `np.ndarray`

##### update_transform_params

```python
def update_transform_params(params: dict[str, Any], data: dict[str, Any]) -> dict[str, Any]:
```

使用输入图像的形状更新参数字典。

参数

 * `params` (`dict[str, Any]`): 要更新的参数
 * `data` (`dict[str, Any]`): 包含图像/卷的输入数据字典

返回

 * `dict[str, Any]`: 包含形状和转换特定参数的更新参数字典。

#### 属性

##### batch_size

一次转换应用所消耗的样本数量。

##### targets
