SanitizeBoundingBoxes

class torchvision.transforms.v2.SanitizeBoundingBoxes(min_size: float = 1.0, min_area: float = 1.0, labels_getter: Optional[Union[Callable[[Any], Any], str]] = 'default')

移除退化/無效的邊界框及其對應的標籤和掩碼。

此變換會移除低於給定 min_size 或 min_area 的邊界框及其相關的標籤/掩碼：

• 預設情況下，它還會移除退化框，例如 X2 <= X1。

• 如果任何座標超出其對應的影像。您可能需要先呼叫 ClampBoundingBoxes 以避免不必要的移除。

它還可以清除其他張量，例如 COCO 中的“iscrowd”或“area”屬性（請參閱 labels_getter 引數）。

建議在管道的末尾，將輸入傳遞給模型之前呼叫它。如果呼叫了 RandomIoUCrop，則呼叫此變換至關重要。如果您想格外小心，可以在所有可能修改邊界框的變換之後呼叫它，但在大多數情況下，在最後呼叫一次就足夠了。

引數:

• min_size (float, 可選) – 邊界框被移除的最小尺寸。預設為 1。

• min_area (float, 可選) – 邊界框被移除的最小面積。預設為 1。

• labels_getter (可呼叫物件 或 str 或 None, 可選) –

  指示如何識別輸入中的標籤（或任何其他需要與邊界框一起清除的內容）。預設情況下，如果輸入是字典或其第二個元素是字典的元組，它將嘗試在輸入中查詢“labels”鍵（不區分大小寫）。這種啟發式方法對於許多資料集（包括內建的 torchvision 資料集）都適用。

  它也可以是一個可呼叫物件，它接受與變換相同的輸入，並返回

  • 單個張量（標籤）

  • 張量元組/列表，每個張量都將與邊界框進行相同的清除。這對於清除多個張量（如標籤以及 COCO 中的“iscrowd”或“area”屬性）很有用。

  如果 labels_getter 為 None，則只清除邊界框。

使用 SanitizeBoundingBoxes 的示例

變換 v2：端到端目標檢測/分割示例

變換 v2：端到端目標檢測/分割示例

變換 v2 入門

變換 v2 入門

forward(*inputs: Any) → Any

不要覆蓋此方法！請使用 transform() 代替。

transform(inpt: Any, params: dict[str, Any]) → Any

用於覆蓋自定義變換的方法。

請參閱 如何編寫自己的 v2 變換