关键点

class torchvision.tv_tensors.KeyPoints(data: Any, *, canvas_size: tuple[int, int], dtype: Optional[dtype] = None, device: Optional[Union[device, str, int]] = None, requires_grad: Optional[bool] = None)

torch.Tensor 的子类，用于形状为 [..., 2] 的张量，表示图像中的点。

注意

对关键点的支持已在 TorchVision 0.23 中发布，目前为 BETA 功能。我们预计 API 不会发生变化，但可能存在一些罕见的边缘情况。如果您发现任何问题，请在我们的 Bug 跟踪器上报告：https://github.com/pytorch/vision/issues?q=is:open+is:issue 每个点都由其在宽度和高度维度上的 X 和 Y 坐标表示。

每个点都由其在宽度和高度维度上的 X 和 Y 坐标表示。

关键点可以表示任何可以用 2D 点序列表示的对象

• 多边形链，包括折线、贝塞尔曲线等，其形状可以是 [N_chains, N_points, 2]。

• 多边形，其形状可以是 [N_polygons, N_points, 2]。

• 骨架，对于姿态估计模型，其形状可以是 [N_skeletons, N_bones, 2, 2]。

注意

与 torchvision.tv_tensors.BoundingBoxes 一样，每个样本应该只有一个 torchvision.tv_tensors.KeyPoints 类的实例，例如 {"img": img, "poins_of_interest": KeyPoints(...)}，尽管一个 torchvision.tv_tensors.KeyPoints 对象可以包含多个关键点

参数:

• data – 可以使用 torch.as_tensor() 转换为张量的所有数据。

• canvas_size (python:ints 的二元组) – 相应图像或视频的高度和宽度。

• dtype (torch.dpython:type, 可选) – 边界框的期望数据类型。如果省略，将从 data 中推断。

• device (torch.device, 可选) – 边界框的期望设备。如果省略且 data 是 torch.Tensor，则从其中获取设备。否则，边界框将在 CPU 上构建。

• requires_grad (bool, 可选) – autograd 是否应记录边界框上的操作。如果省略且 data 是 torch.Tensor，则从其中获取值。否则，默认为 False。

使用 KeyPoints 的示例

变换 v2 入门

变换 v2 入门

TVTensor FAQ

TVTensor FAQ