sanitize_bounding_boxes

torchvision.transforms.v2.functional.sanitize_bounding_boxes(bounding_boxes: Tensor, format: Optional[BoundingBoxFormat] = None, canvas_size: Optional[tuple[int, int]] = None, min_size: float = 1.0, min_area: float = 1.0) → tuple[torch.Tensor, torch.Tensor]

移除退化/无效的边界框，并返回相应的索引掩码。

这会移除以下边界框：

• 小于给定 min_size 或 min_area 的边界框：默认情况下，这也会移除退化的边界框，例如 X2 <= X1。

• 其任何坐标超出相应图像范围的边界框。您可能需要先调用 clamp_bounding_boxes() 以避免不必要的移除。

建议在管道结束时调用此函数，然后再将输入传递给模型。如果调用了 RandomIoUCrop，则必须调用此变换。如果您想更加小心，可以在所有可能修改边界框的变换之后调用它，但在大多数情况下，最后调用一次应该就足够了。

参数:

• bounding_boxes (Tensor 或 BoundingBoxes) – 要净化的边界框。

• format (str 或 BoundingBoxFormat, optional) – 边界框的格式。如果 bounding_boxes 是 BoundingBoxes 对象，则必须将其保留为 None。

• canvas_size (tuple of python:int, optional) – 边界框的 canvas_size（相应图像/视频的大小）。如果 bounding_boxes 是 BoundingBoxes 对象，则必须将其保留为 None。

• min_size (float, optional) –

• min_area (float, optional) –

返回:

有效边界框的子集，以及相应的索引掩码。然后可以使用该掩码来子集化与边界框关联的其他张量（例如，标签）。

返回类型:

out (tuple of Tensors)