运算符

torchvision.ops 实现了一些特定的计算机视觉运算符、损失函数和层。

注意

所有运算符都支持本地 TorchScript。

检测和分割运算符

以下运算符执行目标检测和分割模型所需的预处理和后处理。

batched_nms(boxes, scores, idxs, iou_threshold)	以批处理方式执行非极大值抑制。
masks_to_boxes(masks)	计算提供的掩码周围的边界框。
nms(boxes, scores, iou_threshold)	根据交并比 (IoU)，对边界框执行非极大值抑制 (NMS)。
roi_align(input, boxes, output_size[, ...])	执行感兴趣区域 (RoI) 对齐运算符，使用平均池化，如 Mask R-CNN 中所述。
roi_pool(input, boxes, output_size[, ...])	执行感兴趣区域 (RoI) 池化运算符，如 Fast R-CNN 中所述
ps_roi_align(input, boxes, output_size[, ...])	执行位置敏感感兴趣区域 (RoI) 对齐运算符，如 Light-Head R-CNN 中所述。
ps_roi_pool(input, boxes, output_size[, ...])	执行位置敏感感兴趣区域 (RoI) 池化运算符，如 R-FCN 中所述

FeaturePyramidNetwork(in_channels_list, ...)	在特征图集之上添加 FPN 的模块。
MultiScaleRoIAlign(featmap_names, ...[, ...])	多尺度 RoIAlign 池化，在有或没有 FPN 的情况下对检测很有用。
RoIAlign(output_size, spatial_scale, ...[, ...])	请参见 roi_align()。
RoIPool(output_size, spatial_scale)	请参见 roi_pool()。
PSRoIAlign(output_size, spatial_scale, ...)	请参见 ps_roi_align()。
PSRoIPool(output_size, spatial_scale)	请参见 ps_roi_pool()。

边界框运算符

这些实用函数对边界框执行各种操作。

box_area(boxes)	计算一组边界框的面积，这些边界框由其 (x1, y1, x2, y2) 坐标指定。
box_convert(boxes, in_fmt, out_fmt)	将 torch.Tensor 边界框从给定的 in_fmt 转换为 out_fmt。
box_iou(boxes1, boxes2)	返回两组边界框之间的交并比 (Jaccard 指数)。
clip_boxes_to_image(boxes, size)	裁剪边界框，使其位于大小为 size 的图像内。
complete_box_iou(boxes1, boxes2[, eps])	返回两组边界框之间的完整交并比 (Jaccard 指数)。
distance_box_iou(boxes1, boxes2[, eps])	返回两组边界框之间的距离交并比 (Jaccard 指数)。
generalized_box_iou(boxes1, boxes2)	返回两组边界框之间的广义交并比 (Jaccard 指数)。
remove_small_boxes(boxes, min_size)	移除 boxes 中至少有一条边长小于 min_size 的边界框。

损失函数

实现了以下特定于视觉的损失函数

complete_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，当边界框不重叠时具有非零的附加惩罚。
distance_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，当边界框中心之间的距离不为零时具有非零的附加惩罚。
generalized_box_iou_loss(boxes1, boxes2[, ...])	梯度友好的 IoU 损失，当边界框不重叠时具有非零的附加惩罚，并且该惩罚随着它们最小包围框的大小而变化。
sigmoid_focal_loss(inputs, targets[, alpha, ...])	用于 RetinaNet 进行密集检测的损失：https://arxiv.org/abs/1708.02002。

层

TorchVision 提供常用构建块作为层

Conv2dNormActivation(in_channels, ...)	用于 Convolution2d-Normalization-Activation 块的可配置模块。
Conv3dNormActivation(in_channels, ...)	用于 Convolution3d-Normalization-Activation 块的可配置模块。
DeformConv2d(in_channels, out_channels, ...)	请参见 deform_conv2d()。
DropBlock2d(p, block_size[, inplace, eps])	请参见 drop_block2d()。
DropBlock3d(p, block_size[, inplace, eps])	请参见 drop_block3d()。
FrozenBatchNorm2d(num_features[, eps])	BatchNorm2d，其中批量统计量和仿射参数是固定的
MLP(in_channels, hidden_channels, ...)	此模块实现了多层感知机 (MLP) 模块。
Permute(dims)	此模块返回输入张量的视图，其维度已排列。
SqueezeExcitation(input_channels, ...)	此模块实现了 Squeeze-and-Excitation 块，源自 https://arxiv.org/abs/1709.01507 (参见图。
StochasticDepth(p, mode)	请参见 stochastic_depth()。

deform_conv2d(input, offset, weight[, bias, ...])	执行可变形卷积 v2，如果 mask 不为 None，则描述为 可变形卷积网络 v2：更可变形，更好结果；如果 mask 为 None，则描述为 可变形卷积网络。
drop_block2d(input, p, block_size[, ...])	实现了 DropBlock2d，源自 "DropBlock：卷积网络的正则化方法" <https://arxiv.org/abs/1810.12890>。
drop_block3d(input, p, block_size[, ...])	实现了 DropBlock3d，源自 "DropBlock：卷积网络的正则化方法" <https://arxiv.org/abs/1810.12890>。
stochastic_depth(input, p, mode[, training])	实现了随机深度，源自 "具有随机深度的深度网络"，用于随机丢弃残差架构的残差分支。