操作符

torchvision.ops 实现了特定于计算机视觉的操作符、损失函数和层。

注意

所有运算符都原生支持TorchScript。

检测与分割运算符

以下操作符执行对象检测和分割模型所需的数据预处理和后处理。

batched_nms(boxes, scores, idxs, iou_threshold)	以批量方式执行非最大抑制。
masks_to_boxes(掩码)	计算所提供掩码周围的边界框。
nms(边界框，分数，iou_threshold)	根据交并比（IoU）对框执行非最大值抑制（NMS）。
roi_align(input, boxes, output_size[, ...])	执行Mask R-CNN中描述的带平均池化的感兴趣区域（RoI）对齐操作。
roi_pool(input, boxes, output_size[, ...])	执行Fast R-CNN中描述的兴趣区域（RoI）池化操作
ps_roi_align(input, boxes, output_size[, ...])	执行轻量级头部R-CNN中提到的位置敏感感兴趣区域（RoI）对齐操作。
ps_roi_pool(input, boxes, output_size[, ...])	执行R-FCN中描述的位置敏感感兴趣区域（RoI）池化操作

FeaturePyramidNetwork(in_channels_list, ...)	在一组特征图之上添加FPN模块。
MultiScaleRoIAlign(featmap_names, ...[, ...])	多尺度RoIAlign池化，这对于使用或不使用FPN的检测都非常有用。
RoIAlign(output_size, spatial_scale, ...[, ...])	查看 roi_align()。
RoIPool(output_size, spatial_scale)	查看 roi_pool()。
PSRoIAlign(output_size, spatial_scale, ...)	查看 ps_roi_align()。
PSRoIPool(output_size, spatial_scale)	查看 ps_roi_pool()。

算子小部件

这些实用函数对边界框执行各种操作。

box_area(框)	计算一组边界框的面积，这些边界框通过其 (x1, y1, x2, y2) 坐标指定。
box_convert(boxes, in_fmt, out_fmt)	将 torch.Tensor 个框从给定的 in_fmt 转换为 out_fmt。
box_iou(边界框1, 边界框2)	返回两组框之间的交并比（雅卡尔指数）。
clip_boxes_to_image(框，大小)	将框裁剪到大小为 size 的图像内。
complete_box_iou(boxes1, boxes2[, eps])	返回两组框之间的完整交并比（雅卡尔指数）。
distance_box_iou(boxes1, boxes2[, eps])	返回两组框之间的交并比（雅卡尔指数）。
generalized_box_iou(边界框1, 边界框2)	返回两组框之间的广义交并比（雅卡尔指数）。
remove_small_boxes(boxes, min_size)	移除boxes中每包含至少一条边长小于min_size的盒子。

损失函数

以下实现了特定于视觉的任务损失函数：

complete_box_iou_loss(boxes1, boxes2[, ...])	带有额外惩罚项的梯度友好型IoU损失，在框不重叠时该惩罚项非零。
distance_box_iou_loss(boxes1, boxes2[, ...])	带有额外惩罚项的梯度友好型IoU损失，当框中心之间的距离不为零时，该惩罚项也不为零。
generalized_box_iou_loss(boxes1, boxes2[, ...])	带有额外惩罚项的梯度友好型IoU损失，在框不重叠时惩罚项非零，并且与它们最小外接框的大小成比例。
sigmoid_focal_loss(inputs, targets[, alpha, ...])	RetinaNet密集检测中使用的损失函数：https://arxiv.org/abs/1708.02002。

层

TorchVision 提供了常用的构建模块作为层：

Conv2dNormActivation(in_channels, ...)	可配置块，用于卷积二维-归一化-激活块。
Conv3dNormActivation(in_channels, ...)	可配置块，用于卷积3D-归一化-激活块。
DeformConv2d(in_channels, out_channels, ...)	查看 deform_conv2d()。
DropBlock2d(p, block_size[, inplace, eps])	查看 drop_block2d()。
DropBlock3d(p, block_size[, inplace, eps])	查看 drop_block3d()。
FrozenBatchNorm2d(num_features[, eps])	BatchNorm2d，其中批量统计信息和仿射参数是固定的
MLP(in_channels, hidden_channels, ...)	此块实现了多层感知器（MLP）模块。
Permute(维度)	此模块返回一个张量输入的视图，并对其维度进行置换。
SqueezeExcitation(input_channels, ...)	此块实现了来自https://arxiv.org/abs/1709.01507 的Squeeze-and-Excitation块（见图。
StochasticDepth(张量, 模式)	查看 stochastic_depth()。

deform_conv2d(input, offset, weight[, bias, ...])	执行可变形卷积v2，如可变形卷积网络v2：更可变形，更好结果中所述，如果mask不等于None；执行可变形卷积，如可变形卷积网络中所述，如果mask等于None。
drop_block2d(input, p, block_size[, ...])	实现来自"DropBlock: A regularization method for convolutional networks" <https://arxiv.org/abs/1810.12890>的DropBlock2d。
drop_block3d(input, p, block_size[, ...])	实现来自"DropBlock: A regularization method for convolutional networks" <https://arxiv.org/abs/1810.12890>的DropBlock3d。
stochastic_depth(input, p, mode[, training])	实现了 "深度网络中的随机深度" 中的随机深度，用于随机丢弃残差架构中的残差分支。