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。

这会移除边界框，这些边界框

• 小于给定的 min_size 或 min_area：默认情况下，这还会移除退化的框，例如 X2 <= X1。

• 任何坐标超出其对应图像的边界。您可能想先调用 clamp_bounding_boxes() 以避免不必要的删除。

建议在管道结束时，在将输入传递给模型之前调用它。如果调用了 RandomIoUCrop，则必须调用此转换。如果您想更加小心，可以在所有可能修改边界框的转换之后调用它，但在大多数情况下，最后调用一次应该足够了。

参数:

• bounding_boxes (Tensor 或 BoundingBoxes) – 要清理的边界框。

• format (str 或 BoundingBoxFormat, 可选) – 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（对应图像/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对与边界框关联的其他张量（例如标签）进行子集操作。

返回类型:

out (tuple of Tensors)