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

执行 RoI Align 算子，使用平均池化，如 Mask R-CNN 中所述。

参数:

• input (Tensor[N, C, H, W]) – 输入张量，即包含 N 个元素的批次。每个元素包含 C 个维度为 H x W 的特征图。如果张量已量化，则我们期望批次大小为 N == 1。

• boxes (Tensor[K, 5] or List[Tensor[L, 4]]) – 区域的边界框坐标，格式为 (x1, y1, x2, y2)。坐标必须满足 0 <= x1 < x2 和 0 <= y1 < y2。如果传递单个张量，则第一列应包含对应批次元素的索引，即 [0, N - 1] 中的数字。如果传递张量列表，则每个张量对应于批次中元素 i 的边界框。

• output_size (int or Tuple[int, int]) – 池化操作后输出的大小（以 bin 或像素为单位），格式为 (height, width)。

• spatial_scale (float) – 将边界框坐标映射到输入坐标的缩放因子。例如，如果您的边界框定义在 224x224 图像的尺度上，而您的输入是 112x112 的特征图（由于原始图像缩放了 0.5 倍），您应该将此设置为 0.5。默认值：1.0

• sampling_ratio (int) – 用于计算每个池化输出 bin 的输出值的插值网格中的采样点数。如果大于 0，则每个 bin 使用 sampling_ratio x sampling_ratio 个采样点。如果小于等于 0，则使用自适应数量的网格点（计算方式为 ceil(roi_width / output_width)，高度同理）。默认值：-1

• aligned (bool) – 如果为 False，则使用旧实现。如果为 True，则将边界框坐标进行像素偏移 -0.5，以便更好地与相邻的两个像素索引对齐。此版本用于 Detectron2

返回:

池化后的 RoI。

返回类型:

Tensor[K, C, output_size[0], output_size[1]]