roi_align¶
- torchvision.ops.roi_align(input: Tensor, boxes: Union[Tensor, List[Tensor]], output_size: None, spatial_scale: float = 1.0, sampling_ratio: int = - 1, aligned: bool = False) Tensor[原始碼]¶
執行區域感興趣 (RoI) 對齊 (Align) 運算元，使用平均池化，如 Mask R-CNN 中所述。
- 引數:
input (Tensor[N, C, H, W]) – 輸入張量，即包含
N個元素的批次。每個元素包含維度為H x W的C個特徵圖。如果張量是量化的，我們期望批次大小N == 1。boxes (Tensor[K, 5] 或 List[Tensor[L, 4]]) – 邊界框座標，格式為 (x1, y1, x2, y2)，表示要從中提取區域的位置。座標必須滿足
0 <= x1 < x2和0 <= y1 < y2。如果傳入單個 Tensor，則第一列應包含批次中相應元素的索引，即介於[0, N - 1]之間的數字。如果傳入 Tensor 列表，則每個 Tensor 將對應批次中一個元素 i 的邊界框。output_size (int 或 Tuple[int, int]) – 執行池化後輸出的大小（以 bins 或畫素為單位），格式為 (高度, 寬度)。
spatial_scale (float) – 一個縮放因子，用於將邊界框座標對映到輸入座標。例如，如果您的邊界框是基於 224x224 影像的比例定義的，而您的輸入是 112x112 的特徵圖（原始影像縮放 0.5 倍得到），您會希望將此值設定為 0.5。預設值: 1.0
sampling_ratio (int) – 用於計算每個池化輸出 bin 的值的插值網格中的取樣點數量。如果 > 0，則每個 bin 使用精確的
sampling_ratio x sampling_ratio個取樣點。如果 <= 0，則使用自適應數量的網格點（計算方法為ceil(roi_width / output_width)，高度同理）。預設值: -1aligned (bool) – 如果為 False，則使用舊版實現。如果為 True，則將邊界框座標向左上移動 -0.5 畫素，以便與相鄰的兩個畫素索引更好地對齊。Detectron2 中使用了此版本。
- 返回值:
池化後的 RoIs。
- 返回型別:
Tensor[K, C, output_size[0], output_size[1]]
