關鍵點¶
- class torchvision.tv_tensors.KeyPoints(data: Any, *, canvas_size: tuple[int, int], dtype: Optional[dtype] = None, device: Optional[Union[device, str, int]] = None, requires_grad: Optional[bool] = None)[原始碼]¶
形狀為
[..., 2]的torch.Tensor子類，表示影像中的點。注意
關鍵點支援於 2023 年 0.23 版本釋出的 TorchVision 中，目前為 BETA 功能。我們預計 API 不會發生變化，但可能存在一些罕見的邊緣情況。如果您發現任何問題，請在我們的 bug 跟蹤器上報告： https://github.com/pytorch/vision/issues?q=is:open+is:issue 每個點分別由其在寬度和高度維度上的 X 和 Y 座標表示。
每個點分別由其在寬度和高度維度上的 X 和 Y 座標表示。
關鍵點可以表示任何可以用 2D 點序列表示的物件
多邊形鏈，包括折線、貝塞爾曲線等，其形狀可以是
[N_chains, N_points, 2]。多邊形，其形狀可以是
[N_polygons, N_points, 2]。骨架，對於姿態估計模型，其形狀可以是
[N_skeletons, N_bones, 2, 2]。
注意
與
torchvision.tv_tensors.BoundingBoxes類似，每個樣本應該只有一個torchvision.tv_tensors.KeyPoints類的例項，例如{"img": img, "poins_of_interest": KeyPoints(...)}，儘管一個torchvision.tv_tensors.KeyPoints物件可以包含多個關鍵點。- 引數:
data – 任何可以透過
torch.as_tensor()轉換為張量的資料。canvas_size (python:ints 的二元組) – 相應影像或影片的高度和寬度。
dtype (torch.dpython:type, optional) – 邊界框的期望資料型別。如果省略，將從
data推斷。device (torch.device, optional) – 邊界框的期望裝置。如果省略且
data是torch.Tensor，則從中獲取裝置。否則，邊界框將在 CPU 上構建。requires_grad (bool, optional) – 是否應 autograd 記錄邊界框上的操作。如果省略且
data是torch.Tensor，則從中獲取值。否則，預設為False。
使用
KeyPoints的示例
