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遮罩。

此轉換會移除邊界框及其相關聯的標籤/遮罩，這些邊界框

• 低於給定的 min_size 或 min_area：預設情況下，這也會移除具有例如 X2 <= X1 的退化框。

• 任何座標在其對應影像之外。您可能需要先呼叫 ClampBoundingBoxes 以避免不必要的移除。

它也可以清理其他張量，例如 COCO 中的 “iscrowd” 或 “area” 屬性（請參閱 labels_getter 參數）。

建議在管線的末端呼叫它，再將輸入傳遞給模型。如果呼叫了 RandomIoUCrop，則務必呼叫此轉換。如果您想格外小心，可以在所有可能修改邊界框的轉換之後呼叫它，但在大多數情況下，在末端呼叫一次就足夠了。

參數:

• min_size (float, optional) – 移除邊界框的最小尺寸。預設值為 1。

• min_area (float, optional) – 移除邊界框的最小面積。預設值為 1。

• labels_getter (callable 或 str 或 None, optional) –

  指示如何在輸入中識別標籤（或任何其他需要與邊界框一起清理的內容）。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，這將嘗試在輸入中尋找 “labels” 鍵（不區分大小寫）。這種啟發式方法應該適用於許多資料集，包括內建的 torchvision 資料集。

  它也可以是一個可呼叫物件，它接受與轉換相同的輸入，並傳回以下其中一項

  • 單個張量（標籤）

  • 張量的元組/列表，每個張量都將受到與邊界框相同的清理。這對於清理多個張量很有用，例如標籤和 COCO 中的 “iscrowd” 或 “area” 屬性。

  如果 labels_getter 為 None，則僅清理邊界框。

使用 SanitizeBoundingBoxes 的範例

開始使用 transforms v2

開始使用 transforms v2

Transforms v2：端對端物件偵測/分割範例

Transforms v2：端對端物件偵測/分割範例

forward(*inputs: Any) → Any

不要覆寫這個！請改用 transform()。

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

覆寫自訂轉換的方法。

請參閱 如何編寫您自己的 v2 轉換