ps_roi_align

torchvision.ops.ps_roi_align(input: Tensor, boxes: Tensor, output_size: int, spatial_scale: float = 1.0, sampling_ratio: int = - 1) → Tensor

执行 Light-Head R-CNN 中提到的位置敏感区域兴趣 (RoI) 对齐操作。

参数:

• input (Tensor[N, C, H, W]) – 输入张量，即包含 N 个元素的批次。每个元素包含 C 个尺寸为 H x W 的特征图。

• boxes (Tensor[K, 5] 或 List[Tensor[L, 4]]) – 框坐标，格式为 (x1, y1, x2, y2)，区域将从中提取。坐标必须满足 0 <= x1 < x2 且 0 <= y1 < y2。如果传递单个张量，则第一列应包含批次中相应元素的索引，即 [0, N - 1] 范围内的数字。如果传递张量列表，则每个张量将对应于批次中元素 i 的框。

• output_size (int 或 Tuple[int, int]) – 池化操作后输出的大小（以 bin 或像素为单位），格式为 (height, width)。

• spatial_scale (float) – 一个比例因子，将框坐标映射到输入坐标。例如，如果你的框在 224x224 图像的尺度上定义，而你的输入是 112x112 特征图（由原始图像的 0.5 倍缩放产生），你将需要将其设置为 0.5。默认值：1.0

• sampling_ratio (int) – 用于计算每个池化输出 bin 的输出值的插值网格中的采样点数。如果 > 0，则每个 bin 使用正好 sampling_ratio x sampling_ratio 个采样点。如果 <= 0，则使用自适应数量的网格点（计算为 ceil(roi_width / output_width)，高度也是如此）。默认值：-1

返回:

池化的 RoI

返回类型:

Tensor[K, C / (output_size[0] * output_size[1]), output_size[0], output_size[1]]