SanitizeBoundingBoxes

class torchvision.transforms.v2.SanitizeBoundingBoxes(min_size: float = 1.0, min_area: float = 1.0, labels_getter: Optional[Union[Callable[[Any], Any], str]] = 'default')

移除退化/無效的邊界框及其對應的標籤和掩碼。

此變換會移除邊界框及其關聯的標籤/掩碼，如果它們

• 低於給定的 min_size 或 min_area：預設情況下，這也移除了退化框，例如 X2 <= X1。

• 任何座標在其對應影像之外。您可能需要先呼叫 ClampBoundingBoxes 以避免不必要的移除。

它還可以清洗其他張量，例如來自 COCO 的“iscrowd”或“area”屬性（參見 labels_getter 引數）。

建議在管線的末尾，將輸入傳遞給模型之前呼叫此變換。如果在之前呼叫了 RandomIoUCrop，則呼叫此變換至關重要。如果您想格外小心，可以在所有可能修改邊界框的變換之後呼叫它，但在大多數情況下，最後呼叫一次就足夠了。

引數:

• min_size (float, 可選) – 移除邊界框的尺寸下限。預設值為 1。

• min_area (float, 可選) – 移除邊界框的面積下限。預設值為 1。

• labels_getter (可呼叫物件 或 str 或 None, 可選) –

  指示如何在輸入中識別標籤（或任何需要與邊界框一起進行清洗的其他內容）。預設情況下，如果輸入是字典或第二個元素是字典的元組，則會嘗試在輸入中查詢“labels”鍵（不區分大小寫）。此啟發式方法適用於許多資料集，包括內建的 torchvision 資料集。

  它也可以是一個可呼叫物件，接收與變換相同的輸入，並返回以下之一：

  • 單個張量（標籤）

  • 一個張量元組/列表，其中每個張量都將與邊界框一起進行相同的清洗。這對於清洗多個張量（如標籤以及來自 COCO 的“iscrowd”或“area”屬性）非常有用。

  如果 labels_getter 為 None，則僅清洗邊界框。

使用 SanitizeBoundingBoxes 的示例

變換 v2：端到端物件檢測/分割示例

變換 v2：端到端物件檢測/分割示例

變換 v2 入門

變換 v2 入門

forward(*inputs: Any) → Any

請勿覆蓋此方法！請改用 transform() 方法。

transform(inpt: Any, params: Dict[str, Any]) → Any

用於自定義變換的方法。

參見 如何編寫自己的 v2 變換