box_decoder_and_assign¶

paddle.fluid.layers. box_decoder_and_assign ( prior_box, prior_box_var, target_box, box_score, box_clip, name=None ) [源代码] ¶

边界框编码器。

根据先验框来解码目标边界框。

解码方案为：

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

其中tx，ty，tw，th分别表示目标框的中心坐标，宽度和高度。类似地，px，py，pw，ph表示prior_box（anchor）的中心坐标，宽度和高度。pxv，pyv，pwv，phv表示prior_box的variance，ox，oy，ow，oh表示decode_box中的解码坐标，宽度和高度。

box decode过程得出decode_box，然后分配方案如下所述：

对于每个prior_box，使用最佳non-background（非背景）类的解码值来更新prior_box位置并获取output_assign_box。因此，output_assign_box的形状与PriorBox相同。

参数¶

prior_box （Variable） - 维度为[N,4]的2-D Tensor，包含N个框，数据类型为float32或float64。每个框表示为[xmin，ymin，xmax，ymax]， [xmin，ymin]是anchor框的左上坐标，如果输入是图像特征图，则它们接近坐标系的原点。[xmax，ymax]是anchor框的右下坐标

prior_box_var （Variable） - 维度为[N,4]的2-D Tensor，包含N组variance。数据类型为float32或float64。 prior_box_var默认将所有元素设置为1

target_box （Variable） - 维度为[N,classnum * 4]的2-D Tensor或LoDTensor，拥有N个目标框，数据类型为float32或float64。

box_score （Variable） - 维度为[N,classnum]的2-D Tensor或LoDTensor，拥有N个目标框，数据类型为float32或float64。表示每个框属于各分类概率值。

box_clip （float32） - 裁剪框以防止溢出，默认值为4.135（即np.log（1000. / 16.））

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¶

表示解压检测框的Tensor或LoDTensor，数据类型为float32，float64。维度为[N，classnum * 4]，N个prior_box解码得到的N个目标框的结果。

表示输出最佳检测框的Tensor或LoDTensor，数据类型为float32，float64。维度为[N，4]，N个prior_box解码后得到目标框，再选择最佳非背景类的目标框结果。

返回类型¶

Tuple

代码示例¶

          import paddle.fluid as fluid
import paddle
paddle.enable_static()
pb = fluid.data(
    name='prior_box', shape=[None, 4], dtype='float32')
pbv = fluid.data(
    name='prior_box_var', shape=[4], dtype='float32')
loc = fluid.data(
    name='target_box', shape=[None, 4*81], dtype='float32')
scores = fluid.data(
    name='scores', shape=[None, 81], dtype='float32')
decoded_box, output_assign_box = fluid.layers.box_decoder_and_assign(
    pb, pbv, loc, scores, 4.135)

         