roi_align¶
- torchvision.ops.roi_align(input: Tensor, boxes: Union[Tensor, list[torch.Tensor]], output_size: None, spatial_scale: float = 1.0, sampling_ratio: int = - 1, aligned: bool = False) Tensor[原始碼]¶
執行 RoI Align 運算元，使用平均池化，如 Mask R-CNN 中所述。
- 引數:
input (Tensor[N, C, H, W]) – 輸入張量，即包含
N個元素的批次。每個元素包含C個維度為H x W的特徵圖。如果張量已量化，則我們期望批次大小為N == 1。boxes (Tensor[K, 5] or List[Tensor[L, 4]]) – 區域的邊界框座標，格式為 (x1, y1, x2, y2)。座標必須滿足
0 <= x1 < x2和0 <= y1 < y2。如果傳遞單個張量，則第一列應包含對應批次元素的索引，即[0, N - 1]中的數字。如果傳遞張量列表，則每個張量對應於批次中元素 i 的邊界框。output_size (int or Tuple[int, int]) – 池化操作後輸出的大小（以 bin 或畫素為單位），格式為 (height, width)。
spatial_scale (float) – 將邊界框座標對映到輸入座標的縮放因子。例如，如果您的邊界框定義在 224x224 影像的尺度上，而您的輸入是 112x112 的特徵圖（由於原始影像縮放了 0.5 倍），您應該將此設定為 0.5。預設值：1.0
sampling_ratio (int) – 用於計算每個池化輸出 bin 的輸出值的插值網格中的取樣點數。如果大於 0，則每個 bin 使用
sampling_ratio x sampling_ratio個取樣點。如果小於等於 0，則使用自適應數量的網格點（計算方式為ceil(roi_width / output_width)，高度同理）。預設值：-1aligned (bool) – 如果為 False，則使用舊實現。如果為 True，則將邊界框座標進行畫素偏移 -0.5，以便更好地與相鄰的兩個畫素索引對齊。此版本用於 Detectron2
- 返回:
池化後的 RoI。
- 返回型別:
Tensor[K, C, output_size[0], output_size[1]]
