generate_proposal_labels
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 bboxInsideWeights
和 BboxOutsideWeights
。
参数:
rpn_rois (Variable) – Shape为 的2-D LoDTensor。 其中,N为RoIs的个数。每个RoI以
的格式表示,其中,
和
为RoI的左上角坐标,
和
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以的格式表示。
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。
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]。
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 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_outside_weights - Shape为
[P, 4 * class_num]
的2-D LoDTensor。回归loss的权重。数据类型与 一致。
代码示例: