清理边界框¶
- class torchvision.transforms.v2.SanitizeBoundingBoxes(min_size: float = 1.0, min_area: float = 1.0, labels_getter: Optional[Union[Callable[[Any], Any], str]] = 'default')[源代码]¶
删除退化/无效的边界框及其相应的标签和掩码。
此变换删除边界框及其相关的标签/掩码,这些框/掩码
低于给定的
min_size
或min_area
:默认情况下,这也删除了退化的框,例如 X2 <= X1。具有任何坐标超出其对应图像的坐标。您可能希望首先调用
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(参见
labels_getter
参数)。建议在将输入传递给模型之前,在管道结束时调用它。如果调用了
RandomIoUCrop
,则调用此变换至关重要。如果您想格外小心,您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,在最后调用一次就足够了。- 参数::
min_size (float, 可选) – 边界框将被移除的尺寸。默认值为 1。
min_area (float, 可选) – 边界框将被移除的区域。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清理的其他内容)。默认情况下,这将尝试在输入中找到一个“labels”键(不区分大小写),如果输入是字典,或者它是第二个元素是字典的元组。这种启发式方法应该适用于许多数据集,包括内置的 torchvision 数据集。
它也可以是一个可调用对象,它接受与变换相同的输入,并返回:
单个张量(标签)
张量的元组/列表,每个张量都将与边界框一样进行清理。这对于清理多个张量(如标签和 COCO 中的“iscrowd”或“area”属性)很有用。
如果
labels_getter
为 None,则只清理边界框。
使用
SanitizeBoundingBoxes
的示例开始使用变换 v2变换 v2:端到端目标检测/分割示例