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/无效的边界框及其对应的标签和掩码。

此变换会移除边界框及其关联的标签/掩码，如果它们

• 低于给定的 min_size 或 min_area：默认情况下，这也移除了退化框，例如 X2 <= X1。

• 任何坐标在其对应图像之外。您可能需要先调用 ClampBoundingBoxes 以避免不必要的移除。

它还可以清洗其他张量，例如来自 COCO 的“iscrowd”或“area”属性（参见 labels_getter 参数）。

建议在管线的末尾，将输入传递给模型之前调用此变换。如果在之前调用了 RandomIoUCrop，则调用此变换至关重要。如果您想格外小心，可以在所有可能修改边界框的变换之后调用它，但在大多数情况下，最后调用一次就足够了。

参数:

• min_size (float, 可选) – 移除边界框的尺寸下限。默认值为 1。

• min_area (float, 可选) – 移除边界框的面积下限。默认值为 1。

• labels_getter (可调用对象 或 str 或 None, 可选) –

  指示如何在输入中识别标签（或任何需要与边界框一起进行清洗的其他内容）。默认情况下，如果输入是字典或第二个元素是字典的元组，则会尝试在输入中查找“labels”键（不区分大小写）。此启发式方法适用于许多数据集，包括内置的 torchvision 数据集。

  它也可以是一个可调用对象，接收与变换相同的输入，并返回以下之一：

  • 单个张量（标签）

  • 一个张量元组/列表，其中每个张量都将与边界框一起进行相同的清洗。这对于清洗多个张量（如标签以及来自 COCO 的“iscrowd”或“area”属性）非常有用。

  如果 labels_getter 为 None，则仅清洗边界框。

使用 SanitizeBoundingBoxes 的示例

变换 v2：端到端对象检测/分割示例

变换 v2：端到端对象检测/分割示例

变换 v2 入门

变换 v2 入门

forward(*inputs: Any) → Any

请勿覆盖此方法！请改用 transform() 方法。

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

用于自定义变换的方法。

参见 如何编写自己的 v2 变换