collect_fpn_proposals
paddle.fluid.layers.collect_fpn_proposals
(multi_rois, multi_scores, min_level, max_level, post_nms_top_n, name=None)[源代码]
该op仅支持LoDTensor输入。连接多级RoIs(感兴趣区域)并依据multi_scores选择N个RoIs。此操作执行以下步骤: 1、选择num_level个RoIs和scores作为输入:num_level = max_level - min_level 2、连接num_level个RoIs和scores。 3、对scores排序并选择post_nms_top_n个scores。 4、通过scores中的选定位置收集RoIs。 5、通过对应的batch_id重新对RoIs排序。
参数
- multi_rois (list) – 要收集的RoIs列表,列表中的元素为[N, 4]的2-D LoDTensor, 数据类型为float32或float64,其中N为RoI的个数。
- multi_scores (list) - 要收集的RoIs对应分数的列表,列表中的元素为[N, 1]的2-D LoDTensor, 数据类型为float32或float64,其中N为RoI的个数。
- min_level (int) - 要收集的FPN层的最低级
- max_level (int) – 要收集的FPN层的最高级
- post_nms_top_n (int) – 所选RoIs的数目
- 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
表示选定具有高分数的RoIs的LoDTensor,数据类型为float32或float64,同时具有LoD信息,维度为[M, 4],其中M为post_nms_top_n。
返回类型
Variable
代码示例
import paddle.fluid as fluid
multi_rois = []
multi_scores = []
for i in range(4):
multi_rois.append(fluid.data(
name='roi_'+str(i), shape=[None, 4], dtype='float32', lod_level=1))
for i in range(4):
multi_scores.append(fluid.data(
name='score_'+str(i), shape=[None, 1], dtype='float32', lod_level=1))
fpn_rois = fluid.layers.collect_fpn_proposals(
multi_rois=multi_rois,
multi_scores=multi_scores,
min_level=2,
max_level=5,
post_nms_top_n=2000)