roi_pool

paddle.vision.ops. roi_pool ( x, boxes, boxes_num, output_size, spatial_scale=1.0, name=None ) [源代码]

实现 roi_cooling 层,位置敏感的兴趣区域池化(也称为 ROIPooling),是对非均匀大小的输入执行最大池,以获得固定大小的特征图(例如 7*7)。共三步:1.将每个区域分成大小相等的部分,并使用 output_size(h,w)。2.查找每个部分中的最大值 3。将这些最大值复制到输出缓冲区。有关详细信息,请参阅:https://stackoverflow.com/questions/43430056/what-is-roi-layer-in-fast-rcnn

参数

  • x (Tensor) - 输入的特征图,形状为(N, C, H, W),N 是批数据大小,C 是特征图个数,H 是特征图高度,W 是特征图宽度。数据类型为 float32 或 float64。

  • boxes (Tensor) - 待执行池化的 ROIs(Regions of Interest,感兴趣区域)的框坐标。它应当是一个形状为(num_rois, 4)的 2-D Tensor,以[[x1, y1, x2, y2], ...]的形式给出。其中(x1, y1)是左上角的坐标值,(x2, y2)是右下角的坐标值。

  • boxes_num (Tensor) - 该 batch 中每一张图所包含的框数量。

  • output_size (int|Tuple[int, int]) - 池化后输出的尺寸(H, W),数据类型为 int32。如果 output_size 是 int 类型,H 和 W 都与其相等。

  • spatial_scale (float,可选) - 空间比例因子,用于将 boxes 中的坐标从其输入尺寸按比例映射到 input 特征图的尺寸,默认值 1.0。

  • name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。

返回

Tensor,为池化后的 ROIs,为一个形状是(Roi 数量,输出通道数,池化后高度,池化后宽度)的 4-D Tensor。输出通道数等于输入通道数/(池化后高度 * 池化后宽度)。

代码示例

>>> import paddle
>>> from paddle.vision.ops import roi_pool

>>> data = paddle.rand([1, 256, 32, 32])
>>> boxes = paddle.rand([3, 4])
>>> boxes[:, 2] += boxes[:, 0] + 3
>>> boxes[:, 3] += boxes[:, 1] + 4
>>> boxes_num = paddle.to_tensor([3]).astype('int32')
>>> pool_out = roi_pool(data, boxes, boxes_num=boxes_num, output_size=3)
>>> print(pool_out.shape)
[3, 256, 3, 3]