roi_align

paddle.vision.ops. roi_align ( x, boxes, boxes_num, output_size, spatial_scale=1.0, sampling_ratio=- 1, aligned=True, name=None ) [源代码]

实现 roi_align 层，感兴趣区域对齐算子（也称为 RoI 对齐）是对非均匀大小的输入执行双线性插值，以获得固定大小的特征图（例如 7*7），如 Mask R-CNN 中所述。将每个区域分成大小相等的部分，其中包含 pooled_width 和 pooled_height。保留原始位置。在每个 ROI 仓中，通过双线性插值直接计算四个规则采样位置的值。输出四个位置的平均值。因此避免了错位问题。

参数

  • x (Tensor) - 输入的特征图，形状为(N, C, H, W)。N 是批数据大小，C 是特征图个数，H 是特征图高度，W 是特征图宽度。数据类型为 float32 或 float64。

  • boxes (Tensor) - 待执行池化的 RoIs(Regions of Interest)的框坐标。它应当是一个形状为(boxes_num, 4)的 2-D Tensor，以[[x1, y1, x2, y2], ...]的形式给出。其中(x1, y1)是左上角的坐标值，(x2, y2)是右下角的坐标值。

  • boxes_num (Tensor) - 该 batch 中每一张图所包含的框数量。数据类型为 int32。

  • output_size (int|Tuple(int, int)) - 池化后输出的尺寸(H, W)，数据类型为 int32。如果 output_size 是单个 int 类型整数，则 H 和 W 都与其相等。

  • spatial_scale (float32，可选) - 空间比例因子，用于将 boxes 中的坐标从其输入尺寸按比例映射到 input 特征图的尺寸。

  • sampling_ratio (int32，可选) – 插值网格中用于计算每个池化输出条柱的输出值的采样点数。如果大于 0，则使用每个条柱的精确采样点。如果小于或等于 0，则使用自适应数量的网格点（计算为 ceil(roi_width / output_width)，高度同理）。默认值：-1。

  • aligned (bool，可选）- 默认值为 True，表示像素移动框将其坐标移动-0.5，以便与两个相邻像素索引更好地对齐。如果为 False，则是使用遗留版本的实现。

  • 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

Tensor，池化后的 RoIs，为一个形状是(RoI 数量，输出通道数，池化后高度，池化后宽度）的 4-D Tensor。输出通道数等于输入通道数/（池化后高度 * 池化后宽度）。

代码示例

import paddle
from paddle.vision.ops import roi_align

data = paddle.rand([1, 256, 32, 32])
boxes = paddle.rand([3, 4])
boxes[:, 2] += boxes[:, 0] + 3
boxes[:, 3] += boxes[:, 1] + 4
boxes_num = paddle.to_tensor([3]).astype('int32')
align_out = roi_align(data, boxes, boxes_num, output_size=3)
assert align_out.shape == [3, 256, 3, 3]