generalized_box_iou_loss¶
- torchvision.ops.generalized_box_iou_loss(boxes1: Tensor, boxes2: Tensor, reduction: str = 'none', eps: float = 1e-07) Tensor[原始碼]¶
梯度友好的 IoU 損失，具有額外的懲罰項，當框不重疊時該懲罰項不為零，並隨其最小包圍框的大小進行縮放。此損失是對稱的，因此 boxes1 和 boxes2 引數可互換。
兩組框都應為
(x1, y1, x2, y2)格式，其中0 <= x1 < x2和0 <= y1 < y2，並且兩個框應具有相同的尺寸。- 引數:
boxes1 (Tensor[N, 4] 或 Tensor[4]) – 第一組框
boxes2 (Tensor[N, 4] 或 Tensor[4]) – 第二組框
reduction (string, optional) – 指定應用於輸出的縮減：
'none'|'mean'|'sum'。'none'：不對輸出應用縮減。'mean'：輸出將被平均。'sum'：輸出將被求和。預設值：'none'eps (float) – 防止除以零的小數。預設值：1e-7
- 返回:
帶有歸約選項應用的損失張量。
- 返回型別:
張量
- 參考
Hamid Rezatofighi 等人：Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression: https://arxiv.org/abs/1902.09630
