算子

torchvision.ops 实现了计算机视觉特定的算子、损失函数和层。

注意

所有算子都原生支持 TorchScript。

检测与分割算子

以下算子执行目标检测和分割模型所需的前处理和后处理。

batched_nms(boxes, scores, idxs, iou_threshold)	批量执行非极大值抑制。
masks_to_boxes(masks)	计算给定掩码周围的边界框。
nms(boxes, scores, iou_threshold)	根据边界框的交并比 (IoU) 对边界框执行非极大值抑制 (NMS)。
roi_align(input, boxes, output_size[, ...])	执行 Mask R-CNN 中描述的使用平均池化的感兴趣区域 (RoI) 对齐算子。
roi_pool(input, boxes, output_size[, ...])	执行 Fast R-CNN 中描述的感兴趣区域 (RoI) 池化算子
ps_roi_align(input, boxes, output_size[, ...])	执行 Light-Head R-CNN 中提到的位置敏感感兴趣区域 (RoI) 对齐算子。
ps_roi_pool(input, boxes, output_size[, ...])	执行 R-FCN 中描述的位置敏感感兴趣区域 (RoI) 池化算子

FeaturePyramidNetwork(in_channels_list, ...)	在特征图集合之上添加 FPN 的模块。
MultiScaleRoIAlign(featmap_names, ...[, ...])	多尺度 RoIAlign 池化，对于有无 FPN 的检测都很有用。
RoIAlign(output_size, spatial_scale, ...[, ...])	参见 roi_align()。
RoIPool(output_size, spatial_scale)	参见 roi_pool()。
PSRoIAlign(output_size, spatial_scale, ...)	参见 ps_roi_align()。
PSRoIPool(output_size, spatial_scale)	参见 ps_roi_pool()。

边界框算子

这些工具函数对边界框执行各种操作。

box_area(boxes)	计算一组边界框的面积，这些边界框由其 (x1, y1, x2, y2) 坐标指定。
box_convert(boxes, in_fmt, out_fmt)	将 torch.Tensor 边界框从给定的 in_fmt 转换为 out_fmt。
box_iou(boxes1, boxes2)	返回两组边界框之间的交并比 (Jaccard index)。
clip_boxes_to_image(boxes, size)	裁剪边界框，使其位于大小为 size 的图像内部。
complete_box_iou(boxes1, boxes2[, eps])	返回两组边界框之间的完全交并比 (Jaccard index)。
distance_box_iou(boxes1, boxes2[, eps])	返回两组边界框之间的距离交并比 (Jaccard index)。
generalized_box_iou(boxes1, boxes2)	返回两组边界框之间的广义交并比 (Jaccard index)。
remove_small_boxes(boxes, min_size)	移除 boxes 中至少有一边长度小于 min_size 的所有边界框。

损失函数

实现了以下计算机视觉特定的损失函数

complete_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，并在边界框不重叠时施加额外的非零惩罚。
distance_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，并在边界框中心之间的距离不为零时施加额外的非零惩罚。
generalized_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，并在边界框不重叠时施加额外的非零惩罚，惩罚大小随最小外接框的尺寸变化。
sigmoid_focal_loss(inputs, targets[, alpha, ...])	RetinaNet 中用于密集检测的损失函数：https://arxiv.org/abs/1708.02002。

层

TorchVision 提供了常用的构建块作为层

Conv2dNormActivation(in_channels, ...)	用于 Convolution2d-Normalization-Activation 块的可配置模块。
Conv3dNormActivation(in_channels, ...)	用于 Convolution3d-Normalization-Activation 块的可配置模块。
DeformConv2d(in_channels, out_channels, ...)	参见 deform_conv2d()。
DropBlock2d(p, block_size[, inplace, eps])	参见 drop_block2d()。
DropBlock3d(p, block_size[, inplace, eps])	参见 drop_block3d()。
FrozenBatchNorm2d(num_features[, eps])	批次统计量和仿射参数固定的 BatchNorm2d
MLP(in_channels, hidden_channels, ...)	此块实现了多层感知器 (MLP) 模块。
Permute(dims)	此模块返回张量输入的视图，其维度已进行排列。
SqueezeExcitation(input_channels, ...)	此块实现了来自 https://arxiv.org/abs/1709.01507 的 Squeeze-and-Excitation 块（参见图。
StochasticDepth(p, mode)	参见 stochastic_depth()。

deform_conv2d(input, offset, weight[, bias, ...])	如果 mask 不为 None，则执行 《可变形 ConvNets v2：更具可变形性，更好的结果》中描述的可变形卷积 v2；如果 mask 为 None，则执行 《可变形卷积网络》中描述的可变形卷积。
drop_block2d(input, p, block_size[, ...])	实现了来自 《DropBlock：一种用于卷积网络的正则化方法》 <https://arxiv.org/abs/1810.12890> 的 DropBlock2d。
drop_block3d(input, p, block_size[, ...])	实现了来自 《DropBlock：一种用于卷积网络的正则化方法》 <https://arxiv.org/abs/1810.12890> 的 DropBlock3d。
stochastic_depth(input, p, mode[, training])	实现了来自 《带有随机深度的深度网络》的随机深度，用于随机丢弃残差架构的残差分支。