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[源代码]¶
使用平均池化执行感兴趣区域 (RoI) 对齐运算符，如 Mask R-CNN 中所述。
- 参数：
input (Tensor[N, C, H, W]) – 输入张量，即具有
N个元素的批次。每个元素包含C个维度为H x W的特征图。如果张量被量化，我们期望批次大小为N == 1。boxes (Tensor[K, 5] 或 List[Tensor[L, 4]]) – 框坐标，格式为 (x1, y1, x2, y2)，从中获取区域。坐标必须满足
0 <= x1 < x2和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]中的数字。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]) – 池化执行后输出的大小（以 bin 或像素为单位），格式为 (高度，宽度)。
spatial_scale (float) – 将框坐标映射到输入坐标的缩放因子。例如，如果您的框定义在 224x224 图像的比例上，而您的输入是一个 112x112 特征图（源于原始图像的 0.5 倍缩放），则您需要将其设置为 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)，高度类似）。默认值：-1aligned (bool) – 如果为 False，则使用传统实现。如果为 True，则通过 -0.5 对框坐标进行像素偏移，以更好地与两个相邻像素索引对齐。此版本在 Detectron2 中使用
- 返回值：
池化的 RoI。
- 返回值类型：
Tensor[K, C, output_size[0], output_size[1]]
