box_coder

paddle.fluid.layers.box_coder(prior_box, prior_box_var, target_box, code_type='encode_center_size', box_normalized=True, name=None, axis=0)[源代码]

Bounding Box Coder

编码/解码带有先验框信息的目标边界框

编码规则描述如下:

\[ \begin{align}\begin{aligned}ox &= (tx - px)/pw/pxv\\oy &= (ty - py)/ph/pyv\\ow &= log(abs(tw/pw))/pwv\\oh &= log(abs(th/ph))/phv\end{aligned}\end{align} \]

解码规则描述如下:

\[ \begin{align}\begin{aligned}ox &= (pw * pxv * tx * + px ) - tw/2\\oy &= (ph * pyv * ty * + py ) - th/2\\ow &= exp(pwv * tw ) * pw + tw/2\\oh &= exp(phv * th ) * ph + th/2\end{aligned}\end{align} \]

其中tx,ty,tw,th分别表示目标框的中心坐标、宽度和高度。同样地,px,py,pw,ph表示先验框地中心坐标、宽度和高度。pxv,pyv,pwv,phv表示先验框变量,ox,oy,ow,oh表示编码/解码坐标、宽度和高度。

在Box Decoding期间,支持两种broadcast模式。 假设目标框具有形状[N,M,4],并且prior框的形状可以是[N,4]或[M,4]。 然后,prior框将沿指定的轴broadcast到目标框。

参数:
  • prior_box (Variable) - 维度为[M,4]的2-D Tensor,M表示存储M个框,数据类型为float32或float64。先验框,每个框代表[xmin,ymin,xmax,ymax],[xmin,ymin]是先验框的左顶点坐标,如果输入数图像特征图,则接近坐标原点。[xmax,ymax]是先验框的右底点坐
  • prior_box_var (list|Variable|None) - 支持三种输入类型,一是维度为:math:`[M,4]`的2-D Tensor,存储M个先验框的variance,数据类型为float32或float64。另外是一个长度为4的列表,所有先验框共用这个列表中的variance,数据类型为float32或float64。为None时不参与计算。
  • target_box (Variable) - 数据类型为float,double的Tensor或者LoDTensor,当code_type为‘encode_center_size’,输入是二维LoDTensor,维度为[N,4],N为目标框的个数,目标框的格式与先验框相同。当code_type为‘decode_center_size’,输>入为3-D Tensor,维度为[N,M,4]。通常N表示产生检测框的个数,M表示类别数。此时目标框为偏移量。
  • code_type (str) - 编码类型用目标框,可以是encode_center_size或decode_center_size,默认值为`encode_center_size`
  • box_normalized (bool) - 先验框坐标是否正则化,即是否在[0, 1]区间内。默认值为true
  • name (str,可选) – 具体用法请参见 Name ,一般无需设置,默认值为None。
  • axis (int32) – 在PriorBox中为axis指定的轴broadcast以进行框解码,例如,如果axis为0,TargetBox具有形状[N,M,4]且PriorBox具有形状[M,4],则PriorBox将broadcast到[N,M,4]用于解码。仅在code_type为decode_center_size时有效。默认值为0
返回:
  • 表示解码或编码结果的Tensor或LoDTensor。数据类型为float32或float64。
  • code_type‘encode_center_size’ 时,形状为[N,M,4]的编码结果,N为目标框的个数,M为先验框的个数。
  • code_type‘decode_center_size’ 时,形状为[N,M,4]的解码结果,形状与输入目标框相同。

返回类型:Variable

代码示例

import paddle.fluid as fluid
# For encode
prior_box_encode = fluid.data(name='prior_box_encode',
                              shape=[512, 4],
                              dtype='float32')
target_box_encode = fluid.data(name='target_box_encode',
                               shape=[81,4],
                               dtype='float32')
output_encode = fluid.layers.box_coder(prior_box=prior_box_encode,
                                prior_box_var=[0.1,0.1,0.2,0.2],
                                target_box=target_box_encode,
                                code_type="encode_center_size")
# For decode
prior_box_decode = fluid.data(name='prior_box_decode',
                              shape=[512, 4],
                              dtype='float32')
target_box_decode = fluid.data(name='target_box_decode',
                               shape=[512,81,4],
                               dtype='float32')
output_decode = fluid.layers.box_coder(prior_box=prior_box_decode,
                                prior_box_var=[0.1,0.1,0.2,0.2],
                                target_box=target_box_decode,
                                code_type="decode_center_size",
                                box_normalized=False,
                                axis=1)