[输入参数用法不一致]torchvision.ops.roi_align¶
torchvision.ops.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)
paddle.vision.ops.roi_align¶
paddle.vision.ops.roi_align(x, boxes, boxes_num, output_size, spatial_scale=1.0, sampling_ratio=- 1, aligned=True, name=None)
两者功能一致，ROIs 框坐标 boxes 的用法不一致： 在 PyTorch 中，boxes 参数可以通过一个形状为 (K, 5) 的 Tensor，或者一个 Tensor List 来指定每个 ROI 的批次索引和坐标。
当 boxes 是形状为 (K, 5) 的 Tensor 时:
每一行的第一个数值表示该 ROI 属于输入 batch 中的第几个样本(批次索引)。
每一行的后四个数值表示该 ROI 的坐标 [x1, y1, x2, y2]。 例如 boxes[i] = [0, 4, 4, 7, 7] 表示第 i 个 ROI 属于第 0 个样本,其坐标为 (4, 4, 7, 7)
当 boxes 是 Tensor List 时:
List 的长度等于 batch size。
List 中的每个 Tensor 形状为 (L, 4),表示该样本中所有 ROI 的坐标。
每个 ROI 坐标由 4 个数值组成 [x1, y1, x2, y2]。 例如 boxes[0] 是形状为 (L, 4) 的 Tensor,表示第 0 个样本中的 L 个 ROI 坐标
而在 Paddle 中，这个功能被拆分为两个参数：
boxes: 仅包含 ROI 的坐标信息，形状为 (num_rois, 4)，每一行是一个 ROI 的 [x1, y1, x2, y2] 坐标。
boxes_num: 一个形状为 (batch_size) 的 Tensor，用于指定每个样本中包含的 ROI 数量。
参数映射¶
| torchvision | PaddlePaddle | 备注 |
|---|---|---|
| input | x | 输入特征图，仅参数名不一致。 |
| boxes | boxes, boxes_num | 待执行池化的 ROIs 的框坐标，Paddle 用 boxes 和 boxes_num 等价的实现 PyTorch boxes 参数的功能，需要转写。 |
| output_size | output_size | 池化后输出的尺寸。 |
| spatial_scale | spatial_scale | 空间比例因子。 |
| sampling_ratio | sampling_ratio | 用于计算每个池化输出条柱的输出值的采样点数。 |
| aligned | aligned | 像素移动框是否将其坐标移动-0.5。 |
转写示例¶
boxes：待执行池化的 ROIs 的框坐标¶
boxes 是一个形状为 (K, 5) 的二维 Tensor 时
# PyTorch 写法
boxes = torch.tensor([[0, 4, 4, 7, 7], [1, 5, 5, 10, 10]], dtype=torch.float32)
torchvision.ops.roi_align(input, boxes=boxes, output_size=7, spatial_scale=1.0, sampling_ratio=-1, aligned=False)
# Paddle 写法
boxes = paddle.to_tensor([[4, 4, 7, 7], [5, 5, 10, 10]], dtype='float32')
boxes_num = paddle.to_tensor([1, 1], dtype='int32')
paddle.vision.ops.roi_align(x, boxes=boxes, boxes_num=boxes_num, output_size=7, spatial_scale=1.0, sampling_ratio=-1, aligned=False)
boxes 是 Tensor List 时
# PyTorch 写法
boxes = [torch.tensor([[4, 4, 7, 7], [5, 5, 10, 10]], dtype=torch.float32)]
torchvision.ops.roi_align(input, boxes=boxes, output_size=7, spatial_scale=1.0, sampling_ratio=-1, aligned=False)
# Paddle 写法
boxes = paddle.to_tensor([[4, 4, 7, 7], [5, 5, 10, 10]], dtype='float32')
boxes_num = paddle.to_tensor([1, 1], dtype='int32')
paddle.vision.ops.roi_align(x, boxes=boxes, boxes_num=boxes_num, output_size=7, spatial_scale=1.0, sampling_ratio=-1, aligned=False)