roi_pool¶
- torchvision.ops.roi_pool(input: Tensor, boxes: Union[Tensor, List[Tensor]], output_size: None, spatial_scale: float = 1.0) Tensor[source]¶
执行 Fast R-CNN 中描述的感兴趣区域 (RoI) 池化操作符
- 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个维度为H x W的特征图。boxes (Tensor[*K*, *5*] 或 *List*[*Tensor*[*L*, *4*]*]) – 区域将从中提取的边界框坐标，格式为 (x1, y1, x2, y2)。坐标必须满足
0 <= x1 < x2和0 <= y1 < y2。如果传入单个 Tensor，则第一列应包含批次中相应元素的索引，即[0, N - 1]中的一个数字。如果传入 Tensor 列表，则每个 Tensor 对应于批次中元素 i 的边界框。output_size (int 或 Tuple[*int*, *int*]) – 执行裁剪后的输出大小，格式为 (高度, 宽度)
spatial_scale (float) – 一个缩放因子，用于将边界框坐标映射到输入坐标。例如，如果您的边界框定义在 224x224 图像的尺度上，而输入是 112x112 的特征图（由原始图像缩放 0.5 倍得到），则需要将此值设置为 0.5。默认值: 1.0
- 返回值:
池化后的 RoI。
- 返回值类型:
Tensor[K, C, output_size[0], output_size[1]]
