rpn_target_assign¶
- paddle.fluid.layers. rpn_target_assign ( bbox_pred, cls_logits, anchor_box, anchor_var, gt_boxes, is_crowd, im_info, rpn_batch_size_per_im=256, rpn_straddle_thresh=0.0, rpn_fg_fraction=0.5, rpn_positive_overlap=0.7, rpn_negative_overlap=0.3, use_random=True ) [源代码] ¶
该OP用于为anchors分配分类标签和回归标签,以便用这些标签对RPN进行训练。
该OP将anchors分为两种类别,正和负。根据Faster-RCNN的paper,正类别anchor包括以下两种anchor:
在与一个ground-truth boxes相交的所有anchor中,IoU最高的anchor
和任意一个ground-truth box的IoU超出了阈值
rpn_positive_overlap
负类别anchor是和任何ground-truth boxes的IoU都低于阈值 rpn_negative_overlap
的anchor。
正负anchors之外的anchors不会被选出来参与训练。
回归标签是ground-truth boxes和正类别anchor的偏移值。
参数¶
bbox_pred (Variable) - Shape为
[batch_size,M,4]
的3-D Tensor,表示M个边界框的预测位置。每个边界框有四个坐标值,即[xmin,ymin,xmax,ymax]
。数据类型支持float32和float64。cls_logits (Variable)- Shape为
[batch_size,M,1]
的3-D Tensor,表示预测的置信度。1是frontground和background的sigmoid,M是边界框的数量。数据类型支持float32和float64。anchor_box (Variable) - Shape为
[M,4]
的2-D Tensor,它拥有M个框,每个框可表示为[xmin,ymin,xmax,ymax]
,[xmin,ymin]
是anchor框的左上部坐标,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框的右下部坐标。数据类型支持float32和float64。anchor_var (Variable) - Shape为
[M,4]
的2-D Tensor,它拥有anchor的expand方差。数据类型支持float32和float64。gt_boxes (Variable) - Shape为
[Ng,4]
的2-D LoDTensor,Ng
是一个batch内输入groundtruth boxes的总数。数据类型支持float32和float64。is_crowd (Variable) –Shape为
[M, 1]
的2-D LoDTensor,M为groundtruth boxes的数量。用于标记boxes是否是crowd。数据类型支持int32。im_info (Variable) - Shape为[N,3]的2-D张量,表示原始图像的大小信息。信息包含原始图像宽、高和feature map相对于原始图像缩放的比例。数据类型支持int32。
rpn_batch_size_per_im (int,可选) - 整型数字。每个图像中RPN示例总数。数据类型支持int32。缺省值为256。
rpn_straddle_thresh (float,可选) - 浮点数字。超出图像外部
straddle_thresh
个像素的RPN anchors会被删除。数据类型支持float32。缺省值为0.0。rpn_fg_fraction (float,可选) - 浮点数字。标记为foreground boxes的数量占batch内总体boxes的比例。数据类型支持float32。缺省值为0.5。
rpn_positive_overlap (float,可选) - 浮点数字。和任意一个groundtruth box的
IoU
超出了阈值rpn_positive_overlap
的box被判定为正类别。数据类型支持float32。缺省值为0.7。rpn_negative_overlap (float,可选) - 浮点数字。负类别anchor是和任何ground-truth boxes的IoU都低于阈值
rpn_negative_overlap
的anchor。数据类型支持float32。缺省值为0.3。use_random (bool,可选) – 布尔类型。是否使用随机采样来选择foreground boxes和background boxes。缺省值为True。
返回¶
- 元组。格式为
(predicted_scores, predicted_location, target_label, target_bbox, bbox_inside_weight)
predicted_scores (Varible) - RPN预测的类别结果。Shape为
[F + B,1]
的2D Tensor。F
为foreground anchor的数量,B为background anchor的数量。数据类型与bbox_pred
一致。predicted_location (Variable) - RPN预测的位置结果。Shape为
[F, 4]
的2D Tensor。数据类型与bbox_pred
一致。target_label (Variable) - Shape为
[F + B,1]
的2D Tensor。数据类型为int32。target_bbox (Variable) - Shape为
[F, 4]
的2D Tensor。数据类型与bbox_pred
一致。Bbox_inside_weight (Variable) - Shape为
[F, 4]
的2D Tensor。数据类型与bbox_pred
一致。
返回类型¶
元组
代码示例¶
import paddle.fluid as fluid
bbox_pred = fluid.data(name='bbox_pred', shape=[None, 4], dtype='float32')
cls_logits = fluid.data(name='cls_logits', shape=[None, 1], dtype='float32')
anchor_box = fluid.data(name='anchor_box', shape=[None, 4], dtype='float32')
anchor_var = fluid.data(name='anchor_var', shape=[None, 4], dtype='float32')
gt_boxes = fluid.data(name='gt_boxes', shape=[None, 4], dtype='float32')
is_crowd = fluid.data(name='is_crowd', shape=[None], dtype='float32')
im_info = fluid.data(name='im_infoss', shape=[None, 3], dtype='float32')
loc, score, loc_target, score_target, inside_weight = fluid.layers.rpn_target_assign(
bbox_pred, cls_logits, anchor_box, anchor_var, gt_boxes, is_crowd, im_info)