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] [source]¶
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)