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/无效的边界框，并返回相应的索引掩码。

这会移除以下边界框：

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

• 任何坐标超出其对应图像范围。您可能需要先调用 clamp_bounding_boxes()，以避免不必要的移除。

建议在流水线末尾调用它，在将输入传递给模型之前。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，在末尾调用一次就足够了。

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 元组*, *可选*) – 边界框的 canvas_size（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：

有效边界框的子集，以及相应的索引掩码。然后，该掩码可用于子集化与边界框关联的其他张量（例如，标签）。

返回类型：

out (Tensors 元组)