roi_align

torchvision.ops.roi_align(input: Tensor, boxes: Union[Tensor, List[Tensor]], output_size: None, spatial_scale: float = 1.0, sampling_ratio: int = - 1, aligned: bool = False) → Tensor

执行带有平均池化的感兴趣区域（RoI）对齐操作符，如Mask R-CNN中所述。

Parameters:

• 输入 (张量[N, C, H, W]) – 输入张量，即一个包含 N 个元素的批次。每个元素 包含 C 个特征图，每个特征图的尺寸为 H x W。 如果张量是量化的，我们期望批次大小为 N == 1。

• boxes (Tensor[K, 5] or List[Tensor[L, 4]]) – 区域的框坐标，格式为 (x1, y1, x2, y2)。 坐标必须满足 0 <= x1 < x2 和 0 <= y1 < y2。 如果传递的是单个 Tensor，则第一列应包含批次中相应元素的索引，即 [0, N - 1] 中的数字。 如果传递的是 Tensor 列表，则每个 Tensor 将对应于批次中元素 i 的框。

• output_size (int 或 Tuple[int, int]) – 池化操作后输出的大小（以箱或像素为单位），表示为（高度，宽度）。

• spatial_scale (float) – 一个将框坐标映射到输入坐标的缩放因子。例如，如果您的框是在224x224图像的尺度上定义的，而您的输入是一个112x112的特征图（由原始图像的0.5倍缩放产生），您需要将此设置为0.5。默认值：1.0

• sampling_ratio (int) – 用于计算每个池化输出箱的输出值的插值网格中的采样点数。如果大于0，则每个箱使用sampling_ratio x sampling_ratio个采样点。如果小于等于0，则使用自适应数量的网格点（计算为ceil(roi_width / output_width)，高度同理）。默认值：-1

• aligned (bool) – 如果为False，则使用旧版实现。 如果为True，则将框坐标像素偏移-0.5，以便更好地与两个相邻的像素索引对齐。此版本在Detectron2中使用。

Returns:

合并的RoIs。

Return type:

张量[K, C, 输出大小[0], 输出大小[1]]