sanitize_bounding_boxes

torchvision.transforms.v2.functional.sanitize_bounding_boxes(bounding_boxes: Tensor, format: Optional[BoundingBoxFormat] = None, canvas_size: Optional[Tuple[int, int]] = None, min_size: float = 1.0, min_area: float = 1.0) → Tuple[Tensor, Tensor]

移除退化/无效边界框，并返回相应的索引掩码。

这将移除以下边界框：

• 低于给定的 min_size 或 min_area：默认情况下，这也会移除具有例如 X2 <= X1 的退化框。

• 任何坐标位于其对应图像之外。您可能希望先调用 clamp_bounding_boxes() 以避免不必要的移除。

建议在管道末尾调用它，然后将输入传递给模型。如果调用了 RandomIoUCrop，则调用此变换至关重要。如果您要格外小心，您可以在所有可能修改边界框的变换之后调用它，但大多数情况下，在最后调用一次就足够了。

参数：:

• bounding_boxes (Tensor 或 BoundingBoxes) – 要清理的边界框。

• format (str 或 BoundingBoxFormat，可选) – 边界框的格式。如果 bounding_boxes 是 BoundingBoxes 对象，则必须保留为 None。

• canvas_size (python:int 的元组, 可选) – 边界框的画布大小（对应图像/视频的大小）。如果 bounding_boxes 是 BoundingBoxes 对象，则必须保留为 None。

• min_size (float, 可选) –

• min_area (float, 可选) –

返回值：

有效边界框的子集及其相应的索引掩码。然后可以使用该掩码来对与边界框关联的其他张量（例如标签）进行子集。

返回类型：

out (张量元组)