augmentation op• 데이터 종류: image → image
• 호출: fullseye.apply(img, "aug_cutout", a=0.5, b=0.5)(2-D 는 이미지 1 장 + 스칼라 노브 2 개 a,b∈[0,1] 모델)
> 이 연산자의 설명은 아직 번역이 없습니다. 원문을 그대로 싣습니다.
Cutout / random-erasing occlusion (DeVries & Taylor 2017; Zhong et al.
2020): a square patch of side `max(1, a*min(H,W))` is erased from the
image, forcing a pipeline to survive partial occlusion instead of relying on
one salient blob. `b` selects the (deterministic, seeded-from-b) patch
position AND the fill value: b <= 0.5 -> black (0.0), b > 0.5 -> mid-gray
(0.5). The patch is always fully inside the frame.
• gallery2d_color_artistic 패밀리 가이드
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• gallery2d_color_artistic — py -3.11 examples/gallery2d_color_artistic.py
image 를 입력으로 받는 것)identity · gaussian · mean_box · bilateral · unsharp · median · min_filter · max_filter
augmentation)aug_shot_noise · aug_read_noise · aug_fixed_pattern · aug_motion_blur · aug_vignette · aug_chromatic · aug_rolling_shutter · aug_jpeg_blocks
*Provenance: ops.py — 2D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.