【扒代码】roi_align的定义

这段代码是一个名为 roi_align 的函数的部分实现，它用于执行区域兴趣（RoI）对齐操作，通常用于计算机视觉任务中，例如目标检测和分割。这个函数的主要目的是从输入特征图中提取特定区域，并将这些区域调整到指定的输出尺寸。

参数解释

• input (Tensor[N, C, H, W])：输入张量，包含 N 个元素的批次，每个元素包含 C 个特征图，尺寸为 H x W。
• boxes (Tensor[K, 5] or List[Tensor[L, 4]])：表示区域的坐标，格式为 (x1, y1, x2, y2)。如果传入的是单个张量，第一个列应该包含对应批次元素的索引。如果传入的是张量列表，每个张量对应批次中的一个元素。
• output_size (int or Tuple[int, int])：池化后的输出尺寸，格式为 (height, width)。
• spatial_scale (float)：一个缩放因子，用于将框的坐标映射到输入坐标。例如，如果框的坐标是基于 224x224 的图像，而输入是 112x112 的特征图（原图的 0.5 倍缩放），则应设置为 0.5。默认值为 1.0。
• sampling_ratio (int)：插值网格中的采样点数。如果 > 0，则每个池化输出单元使用 sampling_ratio x sampling_ratio 个采样点。如果 <= 0，则使用自适应数量的网格点。默认值为 -1。
• aligned (bool)：如果为 False，使用旧的实现。如果为 True，将框的坐标偏移 -0.5，以便更好地与相邻像素对齐。这个版本在 Detectron2 中使用。

返回值

• 返回一个张量，形状为 [K, C, output_size[0], output_size[1]]，表示池化后的 RoIs。