box_decoder_and_assign

paddle.fluid.layers. box_decoder_and_assign ( prior_box, prior_box_var, target_box, box_score, box_clip, name=None ) [源代码]

边界框编码器。

根据先验框来解码目标边界框。

解码方案为:

\[\begin{split}ox &= (pw \times pxv \times tx + px) - \frac{tw}{2}\\ oy &= (ph \times pyv \times ty + py) - \frac{th}{2}\\ ow &= \exp (pwv \times tw) \times pw + \frac{tw}{2}\\ oh &= \exp (phv \times th) \times ph + \frac{th}{2}\end{split}\]

其中tx,ty,tw,th分别表示目标框的中心坐标,宽度和高度。类似地,px,py,pw,ph表示prior_box(anchor)的中心坐标,宽度和高度。pxv,pyv,pwv,phv表示prior_box的variance,ox,oy,ow,oh表示decode_box中的解码坐标,宽度和高度。

box decode过程得出decode_box,然后分配方案如下所述:

对于每个prior_box,使用最佳non-background(非背景)类的解码值来更新prior_box位置并获取output_assign_box。因此,output_assign_box的形状与PriorBox相同。

参数

  • prior_box (Variable) - 维度为[N,4]的2-D Tensor,包含N个框,数据类型为float32或float64。每个框表示为[xmin,ymin,xmax,ymax], [xmin,ymin]是anchor框的左上坐标,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框的右下坐标

  • prior_box_var (Variable) - 维度为[N,4]的2-D Tensor,包含N组variance。数据类型为float32或float64。 prior_box_var默认将所有元素设置为1

  • target_box (Variable) - 维度为[N,classnum * 4]的2-D Tensor或LoDTensor,拥有N个目标框,数据类型为float32或float64。

  • box_score (Variable) - 维度为[N,classnum]的2-D Tensor或LoDTensor,拥有N个目标框,数据类型为float32或float64。表示每个框属于各分类概率值。

  • box_clip (float32) - 裁剪框以防止溢出,默认值为4.135(即np.log(1000. / 16.))

  • 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

  • 表示解压检测框的Tensor或LoDTensor,数据类型为float32,float64。维度为[N,classnum * 4],N个prior_box解码得到的N个目标框的结果。

  • 表示输出最佳检测框的Tensor或LoDTensor,数据类型为float32,float64。维度为[N,4],N个prior_box解码后得到目标框,再选择最佳非背景类的目标框结果。

返回类型

Tuple

代码示例

import paddle.fluid as fluid
import paddle
paddle.enable_static()
pb = fluid.data(
    name='prior_box', shape=[None, 4], dtype='float32')
pbv = fluid.data(
    name='prior_box_var', shape=[4], dtype='float32')
loc = fluid.data(
    name='target_box', shape=[None, 4*81], dtype='float32')
scores = fluid.data(
    name='scores', shape=[None, 81], dtype='float32')
decoded_box, output_assign_box = fluid.layers.box_decoder_and_assign(
    pb, pbv, loc, scores, 4.135)