generate_proposal_labels

  • paddle.fluid.layers.generate_proposal_labels(rpn_rois, gt_classes, is_crowd, gt_boxes, im_info, batch_size_per_im=256, fg_fraction=0.25, fg_thresh=0.25, bg_thresh_hi=0.5, bg_thresh_lo=0.0, bbox_reg_weights=[0.1, 0.1, 0.2, 0.2], class_nums=None, use_random=True, is_cls_agnostic=False, is_cascade_rcnn=False)[源代码]

注意:该OP无对应的反向OP

该OP根据RPN预测产出的bounding boxes和groundtruth,抽取出用来计算loss的foreground boxes and background boxes。

RPN的输出经过 generate_proposals OP 的处理,产出 RPN RoIs ,即该OP的输入。然后,在该OP中按以下规则对 RPN RoIs 进行分类:

  • 与某个groundtruth的重叠面积大于 fg_thresh ,则该box被标记为foreground box。
  • 与某个groundtruth的重叠面积大于 bg_thresh_lo 且小于 bg_thresh_hi ,则该box被标记为background box。

按上述规则筛选出一批boxes后,在对这些boxes做随机采样,以保证foreground boxes的数量不高于batch_size_per_im * fg_fraction。

对最终得到的boxes, 我们给它们分配类别标签和回归目标(box label),并产出 bboxInsideWeightsBboxOutsideWeights

  • 参数:
    • rpn_rois (Variable) – Shape为 [N, 4] 的2-D LoDTensor。 其中,N为RoIs的个数。每个RoI以 generate_proposal_labels - 图1 的格式表示,其中, generate_proposal_labels - 图2generate_proposal_labels - 图3 为RoI的左上角坐标, generate_proposal_labels - 图4generate_proposal_labels - 图5 为RoI的右下角坐标。数据类型支持float32和float64。
    • gt_classes (Variable) – Shape为 [M, 1] 的2-D LoDTensor,M为groundtruth boxes的数量。用于表示groundtruth boxes的类别ID。数据类型支持int32。
    • 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。
    • gt_boxes (Variable) – Shape为 [M, 4] 的2-D LoDTensor,M为groundtruth boxes的数量。每个box以 generate_proposal_labels - 图6 的格式表示。
    • 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。
    • batch_size_per_im (int,可选) – 整型数字。每张图片抽取出的的RoIs的数目。数据类型支持int32。缺省值为256。
    • fg_fraction (float,可选) – 浮点数值。在单张图片中,foreground boxes占所有boxes的比例。数据类型支持float32。缺省值为0.25。
    • fg_thresh (float,可选) – 浮点数值。foreground重叠阀值,用于筛选foreground boxes。数据类型支持float32。缺省值为0.25。
    • bg_thresh_hi (float,可选) – 浮点数值。background重叠阀值的上界,用于筛选background boxes。数据类型支持float32。缺省值为0.5。
    • bg_thresh_lo (float,可选) – 浮点数值。background重叠阀值的下界,用于筛选background boxes。数据类型支持float32。缺省值为0.0。
    • bbox_reg_weights (list|tuple,可选) – 列表或元组。Box 回归权重。数据类型支持float32。缺省值为[0.1,0.1,0.2,0.2]。
    • class_nums (int,可选) – 整型数字。类别数目。数据类型支持int32。缺省值为None。
    • 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。
    • is_cls_agnostic (bool,可选)- 布尔类型。是否忽略类别,只做位置回归。缺省值为False。
    • is_cascade_rcnn (bool,可选)- 布尔类型。是否为 cascade RCNN 模型,为True时采样策略发生变化。缺省值为False。

返回:元组,格式为 (rois, labels_int32, bbox_targets, bbox_inside_weights, bbox_outside_weights) ,其中,各个元素解释如下:

  • rois - Shape为 [P, 4] 的2-D LoDTensor,P一般是 batch_size_per_im * batch_size 。每个RoIs以 [xmin, ymin, xmax, ymax] 的格式表示。数据类型与 rpn_rois 一致。
  • labels_int32 - Shape为 [P, 1] 的2-D LoDTensor,P一般是 batch_size_per_im * batch_size 。表示每个RoI的类别ID。数据类型为int32。
  • bbox_targets - Shape为 [P, 4 * class_num] 的2-D LoDTensor,表示所有RoIs的回归目标(box label)。数据类型与 rpn_rois 一致。
  • bbox_inside_weights - Shape为 [P, 4 * class_num] 的2-D LoDTensor。foreground boxes回归loss的权重。数据类型与 rpn_rois 一致。
  • bbox_outside_weights - Shape为 [P, 4 * class_num] 的2-D LoDTensor。回归loss的权重。数据类型与 rpn_rois 一致。

返回类型:元组

代码示例

  1. import paddle.fluid as fluid
  2. rpn_rois = fluid.layers.data(name='rpn_rois', shape=[2, 4],
  3. append_batch_size=False, dtype='float32')
  4. gt_classes = fluid.layers.data(name='gt_classes', shape=[8, 1],
  5. append_batch_size=False, dtype='float32')
  6. is_crowd = fluid.layers.data(name='is_crowd', shape=[8, 1],
  7. append_batch_size=False, dtype='float32')
  8. gt_boxes = fluid.layers.data(name='gt_boxes', shape=[8, 4],
  9. append_batch_size=False, dtype='float32')
  10. im_info = fluid.layers.data(name='im_info', shape=[10, 3],
  11. append_batch_size=False, dtype='float32')
  12. rois, labels, bbox, inside_weights,
  13. outside_weights = fluid.layers.generate_proposal_labels(
  14. rpn_rois, gt_classes, is_crowd, gt_boxes, im_info,
  15. class_nums=10)