運算元

torchvision.ops 實現專門用於計算機視覺的運算元、損失函式和層。

注意

所有運算元都原生支援 TorchScript。

檢測和分割運算元

以下運算元執行目標檢測和分割模型所需的預處理和後處理。

batched_nms(boxes, scores, idxs, iou_threshold)	以批處理方式執行非最大抑制。
masks_to_boxes(masks)	計算給定掩碼的邊界框。
nms(boxes, scores, iou_threshold)	根據交併比 (IoU) 對框執行非最大抑制 (NMS)。
roi_align(input, boxes, output_size[, ...])	執行感興趣區域 (RoI) 對齊運算元，使用平均池化，如 Mask R-CNN 中所述。
roi_pool(input, boxes, output_size[, ...])	執行 Fast R-CNN 中所述的感興趣區域 (RoI) 池化運算元。
ps_roi_align(input, boxes, output_size[, ...])	執行 Light-Head R-CNN 中提到的位置敏感感興趣區域 (RoI) 對齊運算元。
ps_roi_pool(input, boxes, output_size[, ...])	執行 R-FCN 中所述的位置敏感感興趣區域 (RoI) 池化運算元。

FeaturePyramidNetwork(in_channels_list, ...)	在一組特徵圖之上新增 FPN 的模組。
MultiScaleRoIAlign(featmap_names, ...[, ...])	多尺度 RoIAlign 池化，這對於帶或不帶 FPN 的檢測很有用。
RoIAlign(output_size, spatial_scale, ...[, ...])	參見 roi_align()。
RoIPool(output_size, spatial_scale)	參見 roi_pool()。
PSRoIAlign(output_size, spatial_scale, ...)	參見 ps_roi_align()。
PSRoIPool(output_size, spatial_scale)	參見 ps_roi_pool()。

邊界框運算元

這些實用函式對邊界框執行各種操作。

box_area(boxes[, fmt])	計算給定格式的邊界框集合的面積。
box_convert(boxes, in_fmt, out_fmt)	將給定 in_fmt 格式的 torch.Tensor 邊界框轉換為 out_fmt 格式。
box_iou(boxes1, boxes2[, fmt])	返回給定格式的兩個邊界框集合之間的交併比 (Jaccard 指數)。
clip_boxes_to_image(boxes, size)	剪下邊界框，使其位於大小為 size 的影像內。
complete_box_iou(boxes1, boxes2[, eps])	返回兩個邊界框集合之間的完整交併比 (Jaccard 指數)。
distance_box_iou(boxes1, boxes2[, eps])	返回兩個邊界框集合之間的距離交併比 (Jaccard 指數)。
generalized_box_iou(boxes1, boxes2)	返回兩個邊界框集合之間的廣義交併比 (Jaccard 指數)。
remove_small_boxes(boxes, min_size)	從 boxes 中移除所有至少有一側長度小於 min_size 的邊界框。

損失函式

實現了以下計算機視覺特定損失函式。

complete_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 損失，在邊界框不重疊時具有非零的附加懲罰。
distance_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 損失，在邊界框中心距離不為零時具有非零的附加懲罰。
generalized_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 損失，在邊界框不重疊時具有非零的附加懲罰，並且該懲罰隨其最小包圍框的大小而縮放。
sigmoid_focal_loss(inputs, targets[, alpha, ...])	RetinaNet 中用於密集檢測的損失函式：https://arxiv.org/abs/1708.02002。

層

TorchVision 提供常用的構建塊作為層。

Conv2dNormActivation(in_channels, ...)	用於 Convolution2d-Normalization-Activation 塊的可配置模組。
Conv3dNormActivation(in_channels, ...)	用於 Convolution3d-Normalization-Activation 塊的可配置模組。
DeformConv2d(in_channels, out_channels, ...)	參見 deform_conv2d()。
DropBlock2d(p, block_size[, inplace, eps])	參見 drop_block2d()。
DropBlock3d(p, block_size[, inplace, eps])	參見 drop_block3d()。
FrozenBatchNorm2d(num_features[, eps])	BatchNorm2d，其中批次統計量和仿射引數是固定的。
MLP(in_channels, hidden_channels, ...)	此模組實現多層感知機 (MLP) 模組。
Permute(dims)	此模組返回一個具有置換維度的張量輸入的檢視。
SqueezeExcitation(input_channels, ...)	此模組實現來自 https://arxiv.org/abs/1709.01507 的 Squeeze-and-Excitation 塊（參見圖。
StochasticDepth(p, mode)	參見 stochastic_depth()。

deform_conv2d(input, offset, weight[, bias, ...])	執行可變形卷積 v2，如 Deformable ConvNets v2: More Deformable, Better Results 中所述（如果 mask 不為 None），以及執行可變形卷積，如 Deformable Convolutional Networks 中所述（如果 mask 為 None）。
drop_block2d(input, p, block_size[, ...])	實現來自 "DropBlock: A regularization method for convolutional networks" <https://arxiv.org/abs/1810.12890> 的 DropBlock2d。
drop_block3d(input, p, block_size[, ...])	實現來自 "DropBlock: A regularization method for convolutional networks" <https://arxiv.org/abs/1810.12890> 的 DropBlock3d。
stochastic_depth(input, p, mode[, training])	實現來自 "Deep Networks with Stochastic Depth" 的隨機深度，用於隨機丟棄殘差架構的殘差分支。