yolo_box

paddle.fluid.layers. yolo_box ( x, img_size, anchors, class_num, conf_thresh, downsample_ratio, clip_bbox=True, name=None ) [源代码]

该运算符基于YOLOv3网络的输出结果，生成YOLO检测框。

连接 yolo_box 网络的输出形状应为[N，C，H，W]，其中 H 和 W 相同，用来指定网格大小。对每个网格点预测给定的数目的框，这个数目记为 S，由 anchor 的数量指定。在第二维（通道维度）中，C应该等于S *（5 + class_num），class_num是源数据集中对象类别数目（例如coco数据集中的80），此外第二个（通道）维度中还有4个框位置坐标x，y，w，h，以及anchor box的one-hot key的置信度得分。

假设4个位置坐标是 \(t_x\) ，\(t_y\) ，\(t_w\) ， \(t_h\) ，则框的预测算法为：

\[\begin{split}b_x &= \sigma(t_x) + c_x\\ b_y &= \sigma(t_y) + c_y\\ b_w &= p_w e^{t_w}\\ b_h &= p_h e^{t_h}\\\end{split}\]

在上面的等式中，\(c_x\) ， \(c_x\) 是当前网格的左上角顶点坐标。\(p_w\) ， \(p_h\) 由anchors指定。

每个anchor预测框的第五通道的逻辑回归值表示每个预测框的置信度得分，并且每个anchor预测框的最后class_num通道的逻辑回归值表示分类得分。应忽略置信度低于conf_thresh的框。另外，框最终得分是置信度得分和分类得分的乘积。

\[score_{pred} = score_{conf} * score_{class}\]

参数

  • x （Variable） - YoloBox的输入张量是一个4-D张量，形状为[N，C，H，W]。第二维（C）存储每个anchor box位置坐标，每个anchor box的置信度分数和one hot key。通常，X应该是YOLOv3网络的输出。数据类型为float32或float64

  • img_size （Variable） - YoloBox的图像大小张量，这是一个形状为[N，2]的二维张量。该张量保持每个输入图像的高度和宽度，用于对输出图像按输入图像比例调整输出框的大小。数据类型为int32。

  • anchors （list | tuple） - anchor的宽度和高度，它将逐对解析

  • class_num （int） - 要预测的类数

  • conf_thresh （float） - 检测框的置信度得分阈值。置信度得分低于阈值的框应该被忽略

  • downsample_ratio （int） - 从网络输入到YoloBox操作输入的下采样率，因此应依次为第一个，第二个和第三个YoloBox运算设置该值为32,16,8

  • clip_bbox （bool） - 是否将输出的bbox裁剪到 img_size 范围内，默认为True。

  • name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回

  1. 框的坐标，形为[N，M，4]的三维张量

  2. 框的分类得分，形为 [N，M，class_num]的三维张量

返回类型

变量（Variable）

抛出异常

  • TypeError - yolov_box的输入x必须是Variable

  • TypeError - yolo框的anchors参数必须是list或tuple

  • TypeError - yolo box的class_num参数必须是整数

  • TypeError - yolo框的conf_thresh参数必须是一个浮点数

代码示例

import paddle.fluid as fluid
import paddle
paddle.enable_static()
x = fluid.data(name='x', shape=[None, 255, 13, 13], dtype='float32')
img_size = fluid.data(name='img_size',shape=[None, 2],dtype='int64')
anchors = [10, 13, 16, 30, 33, 23]
boxes,scores = fluid.layers.yolo_box(x=x, img_size=img_size, class_num=80, anchors=anchors,
                                conf_thresh=0.01, downsample_ratio=32)