运算符

torchvision.ops 实现了计算机视觉特定的运算符、损失函数和层。

注意

所有运算符都原生支持 TorchScript。

检测和分割运算符

以下运算符执行对象检测和分割模型中所需的预处理和后处理。

batched_nms(boxes, scores, idxs, iou_threshold)	以批处理方式执行非极大值抑制。
masks_to_boxes(masks)	计算提供的掩码周围的边界框。
nms(boxes, scores, iou_threshold)	根据框的交并比 (IoU) 对框执行非极大值抑制 (NMS)。
roi_align(input, boxes, output_size[, ...])	执行感兴趣区域 (RoI) 对齐运算符，使用平均池化，如 Mask R-CNN 中所述。
roi_pool(input, boxes, output_size[, ...])	执行 Fast R-CNN 中描述的感兴趣区域 (RoI) 池化运算符
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) 对齐运算符。
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) 池化运算符

FeaturePyramidNetwork(in_channels_list, ...)	模块，用于在特征图集之上添加 FPN。
MultiScaleRoIAlign(featmap_names, ...[, ...])	多尺度 RoIAlign 池化，对于使用或不使用 FPN 的检测都很有用。
RoIAlign(output_size, spatial_scale, ...[, ...])	请参阅 roi_align()。
RoIPool(output_size, spatial_scale)	请参阅 roi_pool()。
PSRoIAlign(output_size, spatial_scale, ...)	请参阅 ps_roi_align()。
PSRoIPool(output_size, spatial_scale)	请参阅 ps_roi_pool()。

框运算符

这些实用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 框从给定的 in_fmt 转换为 out_fmt。
box_iou(boxes1, boxes2)	返回两组框之间的交并比（Jaccard 指数）。
clip_boxes_to_image(boxes, size)	裁剪框，使其位于大小为 size 的图像内。
complete_box_iou(boxes1, boxes2[, eps])	返回两组框之间的完整交并比（Jaccard 指数）。
distance_box_iou(boxes1, boxes2[, eps])	返回两组框之间的距离交并比（Jaccard 指数）。
generalized_box_iou(boxes1, boxes2)	返回两组框之间的广义交并比（Jaccard 指数）。
remove_small_boxes(boxes, min_size)	从 boxes 中移除每个至少有一条边长小于 min_size 的框。

损失函数

实现了以下特定于视觉的损失函数

complete_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，带有一个额外的惩罚项，当框不重叠时，该惩罚项不为零。
distance_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，带有一个额外的惩罚项，当框中心之间的距离不为零时，该惩罚项不为零。
generalized_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，带有一个额外的惩罚项，当框不重叠且其大小随最小外接框的大小缩放时，该惩罚项不为零。
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 提供了常用构建块作为层

Conv2dNormActivation(in_channels, ...)	用于 Convolution2d-Normalization-Activation 块的可配置块。
Conv3dNormActivation(in_channels, ...)	用于 Convolution3d-Normalization-Activation 块的可配置块。
DeformConv2d(in_channels, out_channels, ...)	请参阅 deform_conv2d()。
DropBlock2d(p, block_size[, inplace, eps])	请参阅 drop_block2d()。
DropBlock3d(p, block_size[, inplace, eps])	请参阅 drop_block3d()。
FrozenBatchNorm2d(num_features[, eps])	BatchNorm2d，其中批统计信息和仿射参数是固定的
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，其维度已置换。
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)	请参阅 stochastic_depth()。

deform_conv2d(input, offset, weight[, bias, ...])	执行可变形卷积 v2，如果在 mask 不是 None 的情况下，如 Deformable ConvNets v2: More Deformable, Better Results 中所述；如果 mask 是 None，则执行可变形卷积，如 Deformable Convolutional Networks 中所述。
drop_block2d(input, p, block_size[, ...])	实现来自 "DropBlock: A regularization method for convolutional networks" <https://arxiv.org/abs/1810.12890> 的 DropBlock2d。
drop_block3d(input, p, block_size[, ...])	实现来自 "DropBlock: A regularization method for convolutional networks" <https://arxiv.org/abs/1810.12890> 的 DropBlock3d。
stochastic_depth(input, p, mode[, training])	实现来自 "Deep Networks with Stochastic Depth" 的随机深度，用于随机丢弃残差架构的残差分支。