density_prior_box¶

参数¶

• input (Variable) - 形状为NCHW的4-D Tensor，数据类型为float32或float64。

• image (Variable) - 输入图像，形状为NCHW的4-D Tensor，数据类型为float32或float64。

• densities (list|tuple|None) - 生成的density prior boxes的densities，此属性应该是一个整数列表或数组。默认值为None。

• fixed_sizes (list|tuple|None) - 生成的density prior boxes的大小，此属性应该为和 densities 有同样长度的列表或数组。默认值为None。

• fixed_ratios (list|tuple|None) - 生成的density prior boxes的比值，如果该属性未被设置，同时 densities 和 fix_sizes 被设置，则 aspect_ratios 被用于生成 density prior boxes

• variance (list|tuple) - 将被用于density prior boxes编码的方差，默认值为：[0.1, 0.1, 0.2, 0.2]

• clip (bool) - 是否裁剪超出范围的box。默认值：False

• step (list|tuple) - Prior boxes在宽度和高度的步长，如果step[0]等于0.0或step[1]等于0.0, input的the density prior boxes的高度/宽度的步长将被自动计算。默认值：Default: [0., 0.]

• offset (float) - Prior boxes中心偏移值，默认为：0.5

• flatten_to_2d (bool) - 是否将output prior boxes和方差 flatten 至2-D，其中第二个dim为4。默认值：False

• 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¶

含有两个变量的元组，包括：

候选框：

当flatten_to_2d为False时，形状为[H, W, num_priors, 4]的4-D Tensor。 当flatten_to_2d为True时，形式为[H * W * num_priors, 4]的 2-D Tensor。 其中，H是输入的高度，W是输入的宽度，num_priors是输入中每个位置的候选框数。

候选框的方差：

当flatten_to_2d为False时，形状为[H, W, num_priors, 4]的4-D Tensor。 当flatten_to_2d为True时，形式为[H * W * num_priors, 4]的2-D Tensor。 其中，H是输入的高度，W是输入的宽度，num_priors是输入中每个位置的候选框数。

返回类型¶

元组

代码示例¶

#declarative mode

import paddle.fluid as fluid
import numpy as np
import paddle
paddle.enable_static()

input = fluid.data(name="input", shape=[None,3,6,9])
image = fluid.data(name="image", shape=[None,3,9,12])
box, var = fluid.layers.density_prior_box(
     input=input,
     image=image,
     densities=[4, 2, 1],
     fixed_sizes=[32.0, 64.0, 128.0],
     fixed_ratios=[1.],
     clip=True,
     flatten_to_2d=True)

place = fluid.CPUPlace()
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())

# prepare a batch of data
input_data = np.random.rand(1,3,6,9).astype("float32")
image_data = np.random.rand(1,3,9,12).astype("float32")

box_out, var_out = exe.run(
    fluid.default_main_program(),
    feed={"input":input_data,
          "image":image_data},
    fetch_list=[box,var],
    return_numpy=True)

# print(box_out.shape)
# (1134, 4)
# print(var_out.shape)
# (1134, 4)


#imperative mode
import paddle.fluid.dygraph as dg

with dg.guard(place) as g:
    input = dg.to_variable(input_data)
    image = dg.to_variable(image_data)
    box, var = fluid.layers.density_prior_box(
        input=input,
        image=image,
        densities=[4, 2, 1],
        fixed_sizes=[32.0, 64.0, 128.0],
        fixed_ratios=[1.],
        clip=True)

    # print(box.shape)
    # [6L, 9L, 21L, 4L]
    # print(var.shape)
    # [6L, 9L, 21L, 4L]