roi_pool

paddle.fluid.layers. roi_pool ( input, rois, pooled_height=1, pooled_width=1, spatial_scale=1.0 ) [源代码]

该OP实现了roi池化操作,对非均匀大小的输入执行最大池化,以获得固定大小的特征映射(例如7*7)。

该OP的操作分三个步骤:

  1. 用pooled_width和pooled_height将每个proposal区域划分为大小相等的部分;

  2. 在每个部分中找到最大的值;

  3. 将这些最大值复制到输出缓冲区。

Faster-RCNN使用了roi池化。roi池化的具体原理请参考 https://stackoverflow.com/questions/43430056/what-is-roi-layer-in-fast-rcnn

参数:

  • input (Variable) - 输入特征,维度为[N,C,H,W]的4D-Tensor,其中N为batch大小,C为输入通道数,H为特征高度,W为特征宽度。数据类型为float32或float64.

  • rois (Variable) – 待池化的ROIs (Regions of Interest),维度为[num_rois,4]的2D-LoDTensor,lod level 为1。给定如[[x1,y1,x2,y2], …],其中(x1,y1)为左上点坐标,(x2,y2)为右下点坐标。lod信息记录了每个roi所属的batch_id。

  • pooled_height (int,可选) - 数据类型为int32,池化输出的高度。默认值为1。

  • pooled_width (int,可选) - 数据类型为int32,池化输出的宽度。默认值为1。

  • spatial_scale (float,可选) - 数据类型为float32,用于将ROI coords从输入比例转换为池化时使用的比例。默认值为1.0。

返回: 池化后的特征,维度为[num_rois, C, pooled_height, pooled_width]的4D-Tensor。

返回类型: Variable

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. DATATYPE='float32'
  4. place = fluid.CPUPlace()
  5. #place = fluid.CUDAPlace(0)
  6. input_data = np.array([i for i in range(1,17)]).reshape(1,1,4,4).astype(DATATYPE)
  7. roi_data =fluid.create_lod_tensor(np.array([[1., 1., 2., 2.], [1.5, 1.5, 3., 3.]]).astype(DATATYPE),[[2]], place)
  8. x = fluid.layers.data(name='input', shape=[1, 4, 4], dtype=DATATYPE)
  9. rois = fluid.layers.data(name='roi', shape=[4], lod_level=1, dtype=DATATYPE)
  10. pool_out = fluid.layers.roi_pool(
  11. input=x,
  12. rois=rois,
  13. pooled_height=1,
  14. pooled_width=1,
  15. spatial_scale=1.0)
  16. exe = fluid.Executor(place)
  17. out, = exe.run(feed={'input':input_data ,'roi':roi_data}, fetch_list=[pool_out.name])
  18. print(out) #array([[[[11.]]], [[[16.]]]], dtype=float32)
  19. print(np.array(out).shape) # (2, 1, 1, 1)