ssd_loss

    该OP用于SSD物体检测算法的多窗口损失层

    该层用于计算SSD的损失，给定位置偏移预测，置信度预测，候选框和真实框标签，以及难样本挖掘的类型。通过执行以下步骤，返回的损失是本地化损失（或回归损失）和置信度损失（或分类损失）的加权和：

    1、通过二分匹配算法查找匹配的边界框。

    2、计算难分样本的置信度

    3、应用难样本挖掘算法来获取负样本索引并更新匹配的索引。

    4、分配分类和回归目标

    5、计算总体的物体损失。

    参数：

    • location （Variable）- 位置预测，具有形状[N，Np，4]的3D-Tensor，N是batch大小，Np是每个实例的预测总数。 4是坐标的维数，布局是[xmin，ymin，xmax，ymax]，xmin，ymin代表box左上坐标，xmax，ymax代表box右下坐标，数据类型为float32或float64。

    • confidence (Variable) - 置信度(分类)预测，具有形状[N，Np，C]的3D-Tensor，N是batch大小，Np是每个实例的预测总数，C是类别数量，数据类型为float32或float64。

    • gt_box （Variable）- 真实框(bbox),具有形状[Ng，4]的2D LoDTensor，Ng是mini-batch输入的真实框（bbox）的总数,4是坐标的维数，布局是[xmin，ymin，xmax，ymax]，xmin，ymin代表box左上坐标，xmax，ymax代表box右下坐标，数据类型为float32或float64。

    • gt_label （Variable）- ground-truth标签, 具有形状[Ng，1]的2D LoDTensor,Ng是mini-batch输入的真实框（bbox）的总数,1表示类别号，数据类型为float32或float64。

    • background_label （int）- background标签的索引，默认为0。

    • overlap_threshold （float）- 额外匹配的bbox阈值，当找到匹配的框，如果 match_type 为’per_prediction’，使用 确定额外匹配的bbox。默认为0.5。

    • neg_pos_ratio （float）- 负框与正框的比率，仅在 mining_type 为’max_negative’时使用，默认为3.0。

    • loc_loss_weight （float）- 回归损失的权重，默认为1.0。

    • conf_loss_weight （float）- 置信度损失的权重，默认为1.0。

    • match_type （str）- 训练期间匹配方法的类型应为’bipartite’或’per_prediction’，默认为’per_prediction’。

    • mining_type （str）- 难样本挖掘类型，分为’hard_example’或’max_negative’，目前只支持’max_negative’。

    • sample_size （int）- 负样本框的最大样本大小，仅在 为’hard_example’时使用。

    返回： Variable(Tensor) 定位损失和置信度损失的加权和, 具有形状[N * Np，1], N是batch大小，Np是每个实例的预测总数，数据类型为float32或float64。

    代码示例