DeformConv2D¶

class paddle.vision.ops. DeformConv2D ( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, deformable_groups=1, groups=1, weight_attr=None, bias_attr=None ) [源代码] ¶

deform_conv2d 对输入 4-D Tensor 计算 2-D 可变形卷积。给定输入 Tensor x，输出 Tensor y，可变形卷积运算如下所示：

可形变卷积 v2:

$y(p) = \sum_{k=1}^{K}{w_k * x(p + p_k + \Delta p_k) * \Delta m_k}$

可形变卷积 v1:

$y(p) = \sum_{k=1}^{K}{w_k * x(p + p_k + \Delta p_k)}$

其中 $\Delta p_k$ 和 $\Delta m_k$ 分别为第 k 个位置的可学习偏移和调制标量。在 deformable conv v1 中 $\Delta m_k$ 为 1。

具体细节可以参考论文：<<Deformable ConvNets v2: More Deformable, Better Results>> 和 <<Deformable Convolutional Networks>> 。

示例

输入：

input 形状： $(N, C_{in}, H_{in}, W_{in})$

卷积核形状： $(C_{out}, C_{in}, H_f, W_f)$

offset 形状： $(N, 2 * H_f * W_f, H_{out}, W_{out})$

mask 形状： $(N, H_f * W_f, H_{out}, W_{out})$

输出：

输出形状： $(N, C_{out}, H_{out}, W_{out})$

其中

$\begin{align}\begin{aligned}H_{out}&= \frac{(H_{in} + 2 * paddings[0] - (dilations[0] * (H_f - 1) + 1))}{strides[0]} + 1\\W_{out}&= \frac{(W_{in} + 2 * paddings[1] - (dilations[1] * (W_f - 1) + 1))}{strides[1]} + 1\end{aligned}\end{align}$

参数¶

in_channels (int) - 输入图像的通道数。

out_channels (int) - 由卷积操作产生的输出的通道数。

kernel_size (int|list|tuple) - 卷积核大小。可以为单个整数或包含两个整数的元组或列表，分别表示卷积核的高和宽。如果为单个整数，表示卷积核的高和宽都等于该整数。

stride (int|list|tuple，可选) - 步长大小。可以为单个整数或包含两个整数的元组或列表，分别表示卷积沿着高和宽的步长。如果为单个整数，表示沿着高和宽的步长都等于该整数。默认值：1。

padding (int|list|tuple，可选) - 填充大小。卷积核操作填充大小。如果它是一个列表或元组，则必须包含两个整型数：（padding_height,padding_width）。若为一个整数，padding_height = padding_width = padding。默认值：0。

dilation (int|list|tuple，可选) - 空洞大小。可以为单个整数或包含两个整数的元组或列表，分别表示卷积核中的元素沿着高和宽的空洞。如果为单个整数，表示高和宽的空洞都等于该整数。默认值：1。

deformable_groups (int，可选) - 可变形卷积组数。默认值：1。

groups (int，可选) - 三维卷积层的组数。根据 Alex Krizhevsky 的深度卷积神经网络（CNN）论文中的分组卷积：当 group=2，前半部分卷积核只和前半部分输入进行卷积计算，后半部分卷积核和后半部分输入进行卷积计算。默认值：1。

weight_attr (ParamAttr，可选) - 二维卷积层的可学习参数/权重的属性。如果设置为 None 或 ParamAttr，二维卷积层将创建 ParamAttr 作为 param_attr。如果设置为 None，参数将初始化为 $Normal(0.0, std)$ ，且 $std$ 为

$(\frac{2.0 }{filter\_elem\_num})^{0.5}$ ，默认值为 None 。

bias_attr (ParamAttr|bool，可选)- 二维卷积层偏置参数属性对象，如果设置为 False，则不会向输出单元添加任何偏差。如果设置为 None 或 ParamAttr，二维卷积层将创建 ParamAttr 作为参数值。如果未设置初始值，则将偏置初始化为零。默认值：None。

形状：

x: $(N, C_{in}, H_{in}, W_{in})$
offset: $(N, 2 * H_f * W_f, H_{out}, W_{out})$
mask: $(N, H_f * W_f, H_{out}, W_{out})$
输出： $(N, C_{out}, H_{out}, W_{out})$

其中：

$\begin{align}\begin{aligned}H_{out} = \frac{(H_{in} + 2 * paddings[0] - (dilations[0] * (kernel\_size[0] - 1) + 1))}{strides[0]} + 1\\W_{out} = \frac{(W_{in} + 2 * paddings[1] - (dilations[1] * (kernel\_size[1] - 1) + 1))}{strides[1]} + 1\end{aligned}\end{align}$

代码示例¶

>>> #deformable conv v2:
>>> import paddle
>>> input = paddle.rand((8, 1, 28, 28))
>>> kh, kw = 3, 3
>>> # offset shape should be [bs, 2 * kh * kw, out_h, out_w]
>>> # mask shape should be [bs, hw * hw, out_h, out_w]
>>> # In this case, for an input of 28, stride of 1
>>> # and kernel size of 3, without padding, the output size is 26
>>> offset = paddle.rand((8, 2 * kh * kw, 26, 26))
>>> mask = paddle.rand((8, kh * kw, 26, 26))
>>> deform_conv = paddle.vision.ops.DeformConv2D(
...     in_channels=1,
...     out_channels=16,
...     kernel_size=[kh, kw])
>>> out = deform_conv(input, offset, mask)
>>> print(out.shape)
[8, 16, 26, 26]

>>> #deformable conv v1:
>>> import paddle
>>> input = paddle.rand((8, 1, 28, 28))
>>> kh, kw = 3, 3
>>> # offset shape should be [bs, 2 * kh * kw, out_h, out_w]
>>> # mask shape should be [bs, hw * hw, out_h, out_w]
>>> # In this case, for an input of 28, stride of 1
>>> # and kernel size of 3, without padding, the output size is 26
>>> offset = paddle.rand((8, 2 * kh * kw, 26, 26))
>>> deform_conv = paddle.vision.ops.DeformConv2D(
...     in_channels=1,
...     out_channels=16,
...     kernel_size=[kh, kw])
>>> out = deform_conv(input, offset)
>>> print(out.shape)
[8, 16, 26, 26]