yolo_box

  • paddle.fluid.layers.yolo_box(x, img_size, anchors, class_num, conf_thresh, downsample_ratio, 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

yolo_box - 图1 ， yolo_box - 图2 ， yolo_box - 图3 ， yolo_box - 图4 ，则框的预测算法为：

yolo_box - 图5

在上面的等式中，

yolo_box - 图6 ， yolo_box - 图7 是当前网格的左上角顶点坐标。 yolo_box - 图8 ， yolo_box - 图9 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。

yolo_box - 图10

  • 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
    • name (str|None) – 具体用法请参见 cn_api_guide_Name ，一般无需设置，默认值为None。
  • 返回:
  • 框的坐标，形为[N，M，4]的三维张量
  • 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

  1. import paddle.fluid as fluid
  2. x = fluid.layers.data(name='x', shape=[255, 13, 13], dtype='float32')
  3. img_size = fluid.layers.data(name='img_size',shape=[2],dtype='int64')
  4. anchors = [10, 13, 16, 30, 33, 23]
  5. boxes, scores = fluid.layers.yolo_box(x=x, img_size=img_size, class_num=80, anchors=anchors,
  6.                                 conf_thresh=0.01, downsample_ratio=32)