PaddlePaddle

 paddle.nn / functional / affine_grid


affine_grid

paddle.nn.functional. affine_grid ( theta, out_shape, align_corners=True, name=None ) [源代码]

该OP用于生成仿射变换前后的feature maps的坐标映射关系。在视觉应用中,根据该OP得到的映射关系,将输入feature map的像素点变换到对应的坐标,就得到了经过仿射变换的feature map。

参数:
  • theta (Tensor) - Shape为 [batch_size, 2, 3] 的Tensor,表示batch_size个 2X3 的变换矩阵。数据类型支持float32,float64。

  • out_shape (Tensor | list | tuple) - 类型可以是1-D Tensor、list或tuple。用于表示在仿射变换中的输出的shape,其格式 [N, C, H, W] ,分别为输出feature map的batch size、channel数量、高和宽。数据类型支持int32。

  • align_corners (bool, optional): 一个可选的bool型参数,如果为True,则将输入和输出张量的4个角落像素的中心对齐,并保留角点像素的值。 默认值:True。

  • name (None|str) – 具体用法请参见 Name ,一般无需设置。默认值:None。

返回: Tensor。Shape为 [N, H, W, 2] 的4-D Tensor,表示仿射变换前后的坐标的映射关系。其中,N、H、W分别为仿射变换中输出feature map的batch size、高和宽。 数据类型与 theta 一致。

代码示例:

import paddle
import paddle.nn.functional as F
import numpy as np
# theta shape = [1, 2, 3]
theta = np.array([[[-0.7, -0.4, 0.3],
                   [ 0.6,  0.5, 1.5]]]).astype("float32")
theta_t = paddle.to_tensor(theta)
y_t = F.affine_grid(
        theta_t,
        [1, 2, 3, 3],
        align_corners=False)
print(y_t)

#[[[[ 1.0333333   0.76666665]
#   [ 0.76666665  1.0999999 ]
#   [ 0.5         1.4333333 ]]
#
#  [[ 0.5666667   1.1666666 ]
#   [ 0.3         1.5       ]
#   [ 0.03333333  1.8333334 ]]
#
#  [[ 0.10000002  1.5666667 ]
#   [-0.16666666  1.9000001 ]
#   [-0.43333334  2.2333333 ]]]]

此页内容是否对您有帮助