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。

此转换会移除边界框及其关联的标签/掩码，这些边界框

• 低于给定的 min_size 或 min_area：默认情况下，这也将移除退化的框，例如 X2 <= X1。

• 具有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。

它还可以清理其他张量，例如 COCO 中的 “iscrowd” 或 “area” 属性（请参阅 labels_getter 参数）。

建议在流水线的末尾调用它，然后再将输入传递给模型。如果调用了 RandomIoUCrop，则必须调用此转换。如果您想格外小心，可以在所有可能修改边界框的转换之后调用它，但在大多数情况下，在最后调用一次就足够了。

参数:

• min_size (float, 可选) – 移除边界框的最小尺寸。默认为 1。

• min_area (float, 可选) – 移除边界框的最小面积。默认为 1。

• labels_getter (callable 或 str 或 None, 可选) –

  指示如何识别输入中的标签（或任何其他需要与边界框一起清理的内容）。默认情况下，如果输入是字典，或者它是第二个元素是字典的元组，则这将尝试在输入中查找 “labels” 键（不区分大小写）。此启发式方法应该适用于许多数据集，包括内置的 torchvision 数据集。

  它也可以是可调用对象，它接受与转换相同的输入，并返回

  • 单个张量（标签）

  • 张量的元组/列表，每个张量都将受到与边界框相同的清理。这对于清理多个张量非常有用，例如标签以及 COCO 中的 “iscrowd” 或 “area” 属性。

  如果 labels_getter 为 None，则仅清理边界框。

SanitizeBoundingBoxes 的使用示例

开始使用 transforms v2

开始使用 transforms v2

Transforms v2：端到端对象检测/分割示例

Transforms v2：端到端对象检测/分割示例

forward(*inputs: Any) → Any

不要覆盖此方法！请改用 transform()。

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

覆盖自定义转换的方法。

请参阅 如何编写您自己的 v2 转换