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

执行感兴趣区域 (RoI) 对齐运算符，使用平均池化，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。如果张量已量化，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)，区域将从这些坐标中提取。坐标必须满足 0 <= x1 < x2 和 0 <= y1 < y2。如果传递单个 Tensor，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 Tensor 列表，则每个 Tensor 将对应于批次中元素 i 的框。

• output_size (int 或 Tuple[int, int]) – 池化后输出的大小（以 bin 或像素为单位），格式为 (高度, 宽度)。

• spatial_scale (float) – 一个比例因子，将框坐标映射到输入坐标。例如，如果您的框在 224x224 图像的比例上定义，而您的输入是 112x112 特征图（由原始图像的 0.5 倍缩放产生），您需要将此值设置为 0.5。默认值：1.0

• sampling_ratio (int) – 插值网格中采样点的数量，用于计算每个池化输出 bin 的输出值。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

• aligned (bool) – 如果为 False，则使用旧版实现。如果为 True，则将框坐标像素移动 -0.5，以便更好地与两个相邻像素索引对齐。此版本在 Detectron2 中使用

返回:

池化的 RoI。

返回类型:

Tensor[K, C, output_size[0], output_size[1]]