multi_box_head

paddle.static.nn.multi_box_head ( inputs, image, base_size, num_classes, aspect_ratios, min_ratio=None, max_ratio=None, min_sizes=None, max_sizes=None, steps=None, step_w=None, step_h=None, offset=0.5, variance=[0.1, 0.1, 0.2, 0.2], flip=True, clip=False, kernel_size=1, pad=0, stride=1, name=None, min_max_aspect_ratios_order=False ) [源代码]

基于SSD(Single Shot MultiBox Detector)算法,在不同层输入特征上提取先验框、计算回归的坐标位置和分类的置信度,并合并到一起作为输出,具体参数解释和输出格式参考下面说明。更详细信息,请参阅SSD论文 SSD:Single Shot MultiBox Detector 的2.2节。

参数:

  • inputs (list(Variable) | tuple(Variable)) - 输入特征的列表,仅支持格式为NCHW的4-D Tensor。

  • image (Variable) - 一般是网络输入的图像数据,仅支持NCHW格式。

  • base_size (int) - 输入图片的大小,当输入个数len(inputs) > 2,并且 min_sizemax_size 为None时,通过 baze_size, min_ratiomax_ratio 来计算出 min_sizemax_size 。计算公式如下:

    1. min_sizes = []
    2. max_sizes = []
    3. step = int(math.floor(((max_ratio - min_ratio)) / (num_layer - 2)))
    4. for ratio in six.moves.range(min_ratio, max_ratio + 1, step):
    5. min_sizes.append(base_size * ratio / 100.)
    6. max_sizes.append(base_size * (ratio + step) / 100.)
    7. min_sizes = [base_size * .10] + min_sizes
    8. max_sizes = [base_size * .20] + max_sizes
  • num_classes (int) - 类别数。

  • aspect_ratios (list(float) | tuple(float) | list(list(float)) | tuple(tuple(float)) - 候选框的宽高比, aspect_ratiosinput 的个数必须相等。如果每个特征层提取先验框的 aspect_ratio 多余一个,写成嵌套的list,例如[[2., 3.]]。

  • min_ratio (int)- 先验框的长度和 base_size 的最小比率,注意,这里是百分比,假如比率为0.2,这里应该给20.0。默认值: None。

  • max_ratio (int)- 先验框的长度和 base_size 的最大比率,注意事项同 min_ratio 。默认值: None。

  • min_sizes (list(float) | tuple(float) | None)- 每层提取的先验框的最小长度,如果输入个数len(inputs)<= 2,则必须设置 min_sizes ,并且 min_sizes 的个数应等于len(inputs)。默认值:None。

  • max_sizes (list | tuple | None)- 每层提取的先验框的最大长度,如果len(inputs)<= 2,则必须设置 max_sizes ,并且 min_sizes 的长度应等于len(inputs)。默认值:None。

  • steps (list(float) | tuple(float)) - 相邻先验框的中心点步长 ,如果在水平和垂直方向上步长相同,则设置steps即可,否则分别通过step_w和step_h设置不同方向的步长。如果 steps, ste_wstep_h 均为None,步长为输入图片的大小 base_size 和特征图大小的比例。默认值:None。

  • step_w (list(float)| tuple(float)) - 水平方向上先验框中心点步长。默认值:None。

  • step_h (list | tuple) - 垂直方向上先验框中心点步长。默认值:None。

  • offset (float) - 左上角先验框中心在水平和垂直方向上的偏移。默认值:0.5

  • variance (list | tuple) - 先验框的方差。默认值:[0.1,0.1,0.2,0.2]。

  • flip (bool) - 是否翻转宽高比。默认值:False。

  • clip (bool) - 是否剪切超出边界的框。默认值:False。

  • kernel_size (int) - 计算回归位置和分类置信度的卷积核的大小。默认值:1。

  • pad (int | list(int) | tuple(int)) - 计算回归位置和分类置信度的卷积核的填充。默认值:0。

  • stride (int | list | tuple) - 计算回归位置和分类置信度的卷积核的步长。默认值:1。

  • name (str) - 具体用法请参见 Name ,一般无需设置,默认值为None。

  • min_max_aspect_ratios_order (bool) - 如果设置为True,则输出先验框的顺序为[min,max,aspect_ratios],这与Caffe一致。请注意,此顺序会影响卷积层后面的权重顺序,但不会影响最终检测结果。默认值:False。

返回:

  • mbox_loc(Variable) - 预测框的回归位置。格式为[N,num_priors,4],其中 N 是batch size, num_priors 是总共提取的先验框的个数。

  • mbox_conf(Variable) - 预测框的分类信度。格式为[N,num_priors,C],其中 num_priors 同上,C是类别数。

  • boxes(Variable) - 提取的先验框。布局是[num_priors,4], num_priors 同上,常量4是坐标个数。

  • variances(Variable) - 提取的先验框方差。布局是[num_priors,4], num_priors 同上。

返回类型:list(Variable) | tuple(Variable)

代码示例1: 设置min_ratio和max_ratio

  1. import paddle.fluid as fluid
  2. images = fluid.data(name='data', shape=[None, 3, 300, 300], dtype='float32')
  3. conv1 = fluid.data(name='conv1', shape=[None, 512, 19, 19], dtype='float32')
  4. conv2 = fluid.data(name='conv2', shape=[None, 1024, 10, 10], dtype='float32')
  5. conv3 = fluid.data(name='conv3', shape=[None, 512, 5, 5], dtype='float32')
  6. conv4 = fluid.data(name='conv4', shape=[None, 256, 3, 3], dtype='float32')
  7. conv5 = fluid.data(name='conv5', shape=[None, 256, 2, 2], dtype='float32')
  8. conv6 = fluid.data(name='conv6', shape=[None, 128, 1, 1], dtype='float32')
  9. mbox_locs, mbox_confs, box, var = fluid.layers.multi_box_head(
  10. inputs=[conv1, conv2, conv3, conv4, conv5, conv6],
  11. image=images,
  12. num_classes=21,
  13. min_ratio=20,
  14. max_ratio=90,
  15. aspect_ratios=[[2.], [2., 3.], [2., 3.], [2., 3.], [2.], [2.]],
  16. base_size=300,
  17. offset=0.5,
  18. flip=True,
  19. clip=True)

代码示例2: 设置min_sizes和max_sizes

  1. import paddle.fluid as fluid
  2. images = fluid.data(name='data', shape=[None, 3, 300, 300], dtype='float32')
  3. conv1 = fluid.data(name='conv1', shape=[None, 512, 19, 19], dtype='float32')
  4. conv2 = fluid.data(name='conv2', shape=[None, 1024, 10, 10], dtype='float32')
  5. conv3 = fluid.data(name='conv3', shape=[None, 512, 5, 5], dtype='float32')
  6. conv4 = fluid.data(name='conv4', shape=[None, 256, 3, 3], dtype='float32')
  7. conv5 = fluid.data(name='conv5', shape=[None, 256, 2, 2], dtype='float32')
  8. conv6 = fluid.data(name='conv6', shape=[None, 128, 1, 1], dtype='float32')
  9. mbox_locs, mbox_confs, box, var = fluid.layers.multi_box_head(
  10. inputs=[conv1, conv2, conv3, conv4, conv5, conv6],
  11. image=images,
  12. num_classes=21,
  13. min_sizes=[60.0, 105.0, 150.0, 195.0, 240.0, 285.0],
  14. max_sizes=[[], 150.0, 195.0, 240.0, 285.0, 300.0],
  15. aspect_ratios=[[2.], [2., 3.], [2., 3.], [2., 3.], [2.], [2.]],
  16. base_size=300,
  17. offset=0.5,
  18. flip=True,
  19. clip=True)