collect_fpn_proposals¶

paddle.fluid.layers. collect_fpn_proposals ( multi_rois, multi_scores, min_level, max_level, post_nms_top_n, name=None ) [源代码] ¶

该op仅支持LoDTensor输入。连接多级RoIs（感兴趣区域）并依据multi_scores选择N个RoIs。此操作执行以下步骤： 1、选择num_level个RoIs和scores作为输入：num_level = max_level - min_level 2、连接num_level个RoIs和scores。 3、对scores排序并选择post_nms_top_n个scores。 4、通过scores中的选定位置收集RoIs。 5、通过对应的batch_id重新对RoIs排序。

参数¶

multi_rois (list) – 要收集的RoIs列表，列表中的元素为[N, 4]的2-D LoDTensor，数据类型为float32或float64，其中N为RoI的个数。

multi_scores (list) - 要收集的RoIs对应分数的列表，列表中的元素为[N, 1]的2-D LoDTensor，数据类型为float32或float64，其中N为RoI的个数。

min_level (int) - 要收集的FPN层的最低级

max_level (int) – 要收集的FPN层的最高级

post_nms_top_n (int) – 所选RoIs的数目

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¶

表示选定具有高分数的RoIs的LoDTensor，数据类型为float32或float64，同时具有LoD信息，维度为[M, 4]，其中M为post_nms_top_n。

返回类型¶

Variable

代码示例¶

          import paddle.fluid as fluid
import paddle
paddle.enable_static()
multi_rois = []
multi_scores = []
for i in range(4):
    multi_rois.append(fluid.data(
        name='roi_'+str(i), shape=[None, 4], dtype='float32', lod_level=1))
for i in range(4):
    multi_scores.append(fluid.data(
        name='score_'+str(i), shape=[None, 1], dtype='float32', lod_level=1))

fpn_rois = fluid.layers.collect_fpn_proposals(
    multi_rois=multi_rois,
    multi_scores=multi_scores,
    min_level=2,
    max_level=5,
    post_nms_top_n=2000)

         