rpn_target_assign

  • paddle.fluid.layers.rpn_target_assign(bbox_pred, cls_logits, anchor_box, anchor_var, gt_boxes, is_crowd, im_info, rpn_batch_size_per_im=256, rpn_straddle_thresh=0.0, rpn_fg_fraction=0.5, rpn_positive_overlap=0.7, rpn_negative_overlap=0.3, use_random=True)[源代码]

该OP用于为anchors分配分类标签和回归标签,以便用这些标签对RPN进行训练。

该OP将anchors分为两种类别,正和负。根据Faster-RCNN的paper,正类别anchor包括以下两种anchor:

  • 在与一个ground-truth boxes相交的所有anchor中,IoU最高的anchor
  • 和任意一个ground-truth box的IoU超出了阈值 rpn_positive_overlap

负类别anchor是和任何ground-truth boxes的IoU都低于阈值 rpn_negative_overlap 的anchor.

正负anchors之外的anchors不会被选出来参与训练。

回归标签是ground-truth boxes和正类别anchor的偏移值。

  • 参数:
    • bbox_pred (Variable) - Shape为 [batch_size,M,4] 的3-D Tensor,表示M个边界框的预测位置。每个边界框有四个坐标值,即 [xmin,ymin,xmax,ymax] 。数据类型支持float32和float64。
    • cls_logits (Variable)- Shape为 [batch_size,M,1] 的3-D Tensor,表示预测的置信度。1是frontground和background的sigmoid,M是边界框的数量。数据类型支持float32和float64。
    • anchor_box (Variable) - Shape为 [M,4] 的2-D Tensor,它拥有M个框,每个框可表示为 [xmin,ymin,xmax,ymax][xmin,ymin] 是anchor框的左上部坐标,如果输入是图像特征图,则它们接近坐标系的原点。 [xmax,ymax] 是anchor框的右下部坐标。数据类型支持float32和float64。
    • anchor_var (Variable) - Shape为 [M,4] 的2-D Tensor,它拥有anchor的expand方差。数据类型支持float32和float64。
    • gt_boxes (Variable) - Shape为 [Ng,4] 的2-D LoDTensor, Ng 是一个batch内输入groundtruth boxes的总数。数据类型支持float32和float64。
    • is_crowd (Variable) –Shape为 [M, 1] 的2-D LoDTensor,M为groundtruth boxes的数量。用于标记boxes是否是crowd。数据类型支持int32。
    • im_info (Variable) - Shape为[N,3]的2-D张量,表示原始图像的大小信息。信息包含原始图像宽、高和feature map相对于原始图像缩放的比例。数据类型支持int32。
    • rpn_batch_size_per_im (int,可选) - 整型数字。每个图像中RPN示例总数。数据类型支持int32。缺省值为256。
    • rpn_straddle_thresh (float,可选) - 浮点数字。超出图像外部 straddle_thresh 个像素的RPN anchors会被删除。数据类型支持float32。缺省值为0.0。
    • rpn_fg_fraction (float,可选) - 浮点数字。标记为foreground boxes的数量占batch内总体boxes的比例。 数据类型支持float32。缺省值为0.5。
    • rpn_positive_overlap (float,可选) - 浮点数字。和任意一个groundtruth box的 IoU 超出了阈值 rpn_positive_overlap 的box被判定为正类别。 数据类型支持float32。缺省值为0.7。
    • rpn_negative_overlap (float,可选) - 浮点数字。负类别anchor是和任何ground-truth boxes的IoU都低于阈值 rpn_negative_overlap 的anchor。 数据类型支持float32。缺省值为0.3。
    • use_random (bool,可选) – 布尔类型。是否使用随机采样来选择foreground boxes和background boxes。缺省值为True。
  • 返回: 元组。格式为 (predicted_scores, predicted_location, target_label, target_bbox, bbox_inside_weight)
    • predicted_scores (Varible) - RPN预测的类别结果。Shape为 [F + B,1] 的2D Tensor。 F 为foreground anchor的数量,B为background anchor的数量。数据类型与 bbox_pred 一致。
    • predicted_location (Variable) - RPN预测的位置结果。Shape为 [F, 4] 的2D Tensor。数据类型与 bbox_pred 一致。
    • target_label (Variable) - Shape为 [F + B,1] 的2D Tensor。数据类型为int32。
    • target_bbox (Variable) - Shape为 [F, 4] 的2D Tensor。数据类型与 bbox_pred 一致。
    • Bbox_inside_weight (Variable) - Shape为 [F, 4] 的2D Tensor。数据类型与 bbox_pred 一致。

返回类型:元组

代码示例

  1. import paddle.fluid as fluid
  2. bbox_pred = fluid.layers.data(name='bbox_pred', shape=[100, 4],
  3. append_batch_size=False, dtype='float32')
  4. cls_logits = fluid.layers.data(name='cls_logits', shape=[100, 1],
  5. append_batch_size=False, dtype='float32')
  6. anchor_box = fluid.layers.data(name='anchor_box', shape=[20, 4],
  7. append_batch_size=False, dtype='float32')
  8. anchor_var = fluid.layers.data(name='anchor_var', shape=[20, 4],
  9. append_batch_size=False, dtype='float32')
  10. gt_boxes = fluid.layers.data(name='gt_boxes', shape=[10, 4],
  11. append_batch_size=False, dtype='float32')
  12. is_crowd = fluid.layers.data(name='is_crowd', shape=[1],
  13. append_batch_size=False, dtype='float32')
  14. im_info = fluid.layers.data(name='im_infoss', shape=[1, 3],
  15. append_batch_size=False, dtype='float32')
  16. loc_pred, score_pred, loc_target, score_target, bbox_inside_weight=
  17. fluid.layers.rpn_target_assign(bbox_pred, cls_logits,
  18. anchor_box, anchor_var, gt_boxes, is_crowd, im_info)