distribute_fpn_proposals¶

paddle.fluid.layers. distribute_fpn_proposals ( fpn_rois, min_level, max_level, refer_level, refer_scale, name=None ) [源代码] ¶

该op仅支持LoDTensor输入。在 Feature Pyramid Networks（FPN）模型中，需要依据proposal的尺度和参考尺度与级别将所有proposal分配到不同的FPN级别中。 此外，为了恢复proposals的顺序，我们返回一个数组，该数组表示当前proposals中的原始RoIs索引。 要计算每个RoI的FPN级别，公式如下：

其中BBoxArea方法用来计算每个RoI的区域。

参数：

• fpn_rois （Variable） - 维度为[N,4]的2-D LoDTensor,其中N为检测框的个数，数据类型为float32或float64。

• min_level （int32） - 产生proposal最低级别FPN层。

• max_level （int32） - 产生proposal最高级别FPN层。

• refer_level （int32） - 具有指定比例的FPN层的引用级别。

• refer_scale （int32） - 具有指定级别的FPN层的引用比例。

• 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：

• multi_rois（List）- 长度为（max_level-min_level+1）的列表，其中元素为Variable，维度为[M, 4]的2-D LoDTensor，M为每个级别proposal的个数，数据类型为float32或float64。表示每个FPN级别包含的proposals。

• restore_ind（Variable）- 维度为[N，1]的Tensor，N是总rois的数量。数据类型为int32。 它用于恢复fpn_rois的顺序。

返回类型：Tuple

代码示例：

import paddle.fluid as fluid
fpn_rois = fluid.data(
    name='data', shape=[None, 4], dtype='float32', lod_level=1)
multi_rois, restore_ind = fluid.layers.distribute_fpn_proposals(
    fpn_rois=fpn_rois,
    min_level=2,
    max_level=5,
    refer_level=4,
    refer_scale=224)