运维

torchvision.ops实现特定于计算机视觉的运算符。

注意

所有 Operator 都对 TorchScript 提供原生支持。

batched_nms（盒子、分数、IDX、iou_threshold）	以批处理方式执行非极大值抑制。
box_area（框）	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（框、in_fmt、out_fmt）	将框从给定in_fmt转换为out_fmt。
box_iou（方框 1、方框 2）	返回两组框之间的交集与联合 （Jaccard index）。
clip_boxes_to_image（盒子、尺寸）	剪辑框，以便它们位于 size 大小的图像内。
deform_conv2d（input， offset， weight[， bias， ...]）	执行可变形卷积 v2，如 Deformable ConvNets v2：更可变形，结果更好，如果不是，则执行可变形卷积，如 Deformable Convolutional Networks 中所述。maskNonemaskNone
generalized_box_iou（方框 1、方框 2）	返回两组框之间的广义交集 （Jaccard index）。
generalized_box_iou_loss（方框 1、方框 2[、...]）	https://github.com/facebookresearch/fvcore/blob/bfff2ef/fvcore/nn/giou_loss.py 的原始实现
masks_to_boxes（口罩）	计算提供的蒙版周围的边界框。
nms（方框、分数、iou_threshold）	根据框的交集与并集 （IoU） 对框执行非极大值抑制 （NMS）。
ps_roi_align（输入、框、output_size[， ...]）	执行 Light-Head R-CNN 中提到的位置敏感感兴趣区域 （RoI） 对齐运算符。
ps_roi_pool（输入、框、output_size[， ...]）	执行 R-FCN 中描述的位置敏感感兴趣区域 （RoI） 池运算符
remove_small_boxes（框，min_size）	移除至少包含一侧小于min_size的箱子。
roi_align（输入、框、output_size[， ...]）	使用平均池化执行 Region of Interest （RoI） Align 运算符，如 Mask R-CNN 中所述。
roi_pool（输入、框、output_size[， ...]）	执行快速 R-CNN 中描述的感兴趣区域 （RoI） 池运算符
sigmoid_focal_loss（inputs， targets[， alpha， ...]）	https://github.com/facebookresearch/fvcore/blob/master/fvcore/nn/focal_loss.py 的原始实现。
stochastic_depth（输入、p、模式[、训练]）	实现 “Deep Networks with Stochastic Depth” 中的随机深度，用于随机放置残差架构的残差分支。

RoIAlign（output_size、spatial_scale......	看roi_align().
PSRoIAlign（output_size、spatial_scale......	看ps_roi_align().
RoIPool（output_size、spatial_scale）	看roi_pool().
PSRoIPool（output_size、spatial_scale）	看ps_roi_pool().
DeformConv2d（in_channels、out_channels......	看deform_conv2d().
MultiScaleRoIAlign（featmap_names，......	多尺度 RoIAlign 池化，对于有或没有 FPN 的检测都很有用。
FeaturePyramidNetwork（in_channels_list，......	模块，该模块从一组特征图的顶部添加 FPN。
StochasticDepth（p，模式）	看stochastic_depth().
FrozenBatchNorm2d（num_features、每集）	BatchNorm2d，其中批处理统计信息和仿射参数是固定的
SqueezeExcitation（input_channels，......	此模块实现了 https://arxiv.org/abs/1709.01507 中的 Squeeze-and-Excitation 模块（参见图 2）。