multi_box_head¶

paddle.static.nn. multi_box_head ( inputs, image, base_size, num_classes, aspect_ratios, min_ratio=None, max_ratio=None, min_sizes=None, max_sizes=None, steps=None, step_w=None, step_h=None, offset=0.5, variance=[0.1, 0.1, 0.2, 0.2], flip=True, clip=False, kernel_size=1, pad=0, stride=1, name=None, min_max_aspect_ratios_order=False ) [源代码] ¶

基于SSD（Single Shot MultiBox Detector）算法，在不同层输入特征上提取先验框、计算回归的坐标位置和分类的置信度，并合并到一起作为输出，具体参数解释和输出格式参考下面说明。更详细信息，请参阅SSD论文 SSD：Single Shot MultiBox Detector 的2.2节。

参数：

• inputs (list(Variable) | tuple(Variable)) - 输入特征的列表，仅支持格式为NCHW的4-D Tensor。

• image (Variable) - 一般是网络输入的图像数据，仅支持NCHW格式。

• base_size (int) - 输入图片的大小，当输入个数len(inputs) > 2，并且 min_size 和 max_size 为None时，通过 baze_size, min_ratio 和 max_ratio 来计算出 min_size 和 max_size 。计算公式如下:

  min_sizes = []
  max_sizes = []
  step = int(math.floor(((max_ratio - min_ratio)) / (num_layer - 2)))
  for ratio in six.moves.range(min_ratio, max_ratio + 1, step):
      min_sizes.append(base_size * ratio / 100.)
      max_sizes.append(base_size * (ratio + step) / 100.)
      min_sizes = [base_size * .10] + min_sizes
      max_sizes = [base_size * .20] + max_sizes
  

• num_classes (int) - 类别数。

• aspect_ratios (list(float) | tuple(float) | list(list(float)) | tuple(tuple(float)) - 候选框的宽高比， aspect_ratios 和 input 的个数必须相等。如果每个特征层提取先验框的 aspect_ratio 多余一个，写成嵌套的list，例如[[2., 3.]]。

• min_ratio (int）- 先验框的长度和 base_size 的最小比率，注意，这里是百分比，假如比率为0.2，这里应该给20.0。默认值: None。

• max_ratio (int）- 先验框的长度和 base_size 的最大比率，注意事项同 min_ratio 。默认值: None。

• min_sizes (list(float) | tuple(float) | None）- 每层提取的先验框的最小长度，如果输入个数len(inputs)<= 2，则必须设置 min_sizes ，并且 min_sizes 的个数应等于len(inputs)。默认值：None。

• max_sizes (list | tuple | None）- 每层提取的先验框的最大长度，如果len(inputs）<= 2，则必须设置 max_sizes ，并且 min_sizes 的长度应等于len(inputs)。默认值：None。

• steps (list(float) | tuple(float)) - 相邻先验框的中心点步长 ，如果在水平和垂直方向上步长相同，则设置steps即可，否则分别通过step_w和step_h设置不同方向的步长。如果 steps, ste_w 和 step_h 均为None，步长为输入图片的大小 base_size 和特征图大小的比例。默认值：None。

• step_w (list(float）| tuple(float)) - 水平方向上先验框中心点步长。默认值：None。

• step_h (list | tuple) - 垂直方向上先验框中心点步长。默认值：None。

• offset (float) - 左上角先验框中心在水平和垂直方向上的偏移。默认值：0.5

• variance (list | tuple) - 先验框的方差。默认值：[0.1,0.1,0.2,0.2]。

• flip (bool) - 是否翻转宽高比。默认值：False。

• clip (bool) - 是否剪切超出边界的框。默认值：False。

• kernel_size (int) - 计算回归位置和分类置信度的卷积核的大小。默认值：1。

• pad (int | list(int) | tuple(int)) - 计算回归位置和分类置信度的卷积核的填充。默认值：0。

• stride (int | list | tuple) - 计算回归位置和分类置信度的卷积核的步长。默认值：1。

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

• min_max_aspect_ratios_order (bool) - 如果设置为True，则输出先验框的顺序为[min，max，aspect_ratios]，这与Caffe一致。请注意，此顺序会影响卷积层后面的权重顺序，但不会影响最终检测结果。默认值：False。

返回：

• mbox_loc(Variable) - 预测框的回归位置。格式为[N，num_priors，4]，其中 N 是batch size， num_priors 是总共提取的先验框的个数。

• mbox_conf(Variable） - 预测框的分类信度。格式为[N，num_priors，C]，其中 num_priors 同上，C是类别数。

• boxes(Variable) - 提取的先验框。布局是[num_priors，4]， num_priors 同上，常量4是坐标个数。

• variances(Variable) - 提取的先验框方差。布局是[num_priors，4]， num_priors 同上。

返回类型：list(Variable) | tuple(Variable）

代码示例1: 设置min_ratio和max_ratio

import paddle.fluid as fluid

images = fluid.data(name='data', shape=[None, 3, 300, 300], dtype='float32')
conv1 = fluid.data(name='conv1', shape=[None, 512, 19, 19], dtype='float32')
conv2 = fluid.data(name='conv2', shape=[None, 1024, 10, 10], dtype='float32')
conv3 = fluid.data(name='conv3', shape=[None, 512, 5, 5], dtype='float32')
conv4 = fluid.data(name='conv4', shape=[None, 256, 3, 3], dtype='float32')
conv5 = fluid.data(name='conv5', shape=[None, 256, 2, 2], dtype='float32')
conv6 = fluid.data(name='conv6', shape=[None, 128, 1, 1], dtype='float32')

mbox_locs, mbox_confs, box, var = fluid.layers.multi_box_head(
  inputs=[conv1, conv2, conv3, conv4, conv5, conv6],
  image=images,
  num_classes=21,
  min_ratio=20,
  max_ratio=90,
  aspect_ratios=[[2.], [2., 3.], [2., 3.], [2., 3.], [2.], [2.]],
  base_size=300,
  offset=0.5,
  flip=True,
  clip=True)

代码示例2: 设置min_sizes和max_sizes

import paddle.fluid as fluid

images = fluid.data(name='data', shape=[None, 3, 300, 300], dtype='float32')
conv1 = fluid.data(name='conv1', shape=[None, 512, 19, 19], dtype='float32')
conv2 = fluid.data(name='conv2', shape=[None, 1024, 10, 10], dtype='float32')
conv3 = fluid.data(name='conv3', shape=[None, 512, 5, 5], dtype='float32')
conv4 = fluid.data(name='conv4', shape=[None, 256, 3, 3], dtype='float32')
conv5 = fluid.data(name='conv5', shape=[None, 256, 2, 2], dtype='float32')
conv6 = fluid.data(name='conv6', shape=[None, 128, 1, 1], dtype='float32')

mbox_locs, mbox_confs, box, var = fluid.layers.multi_box_head(
  inputs=[conv1, conv2, conv3, conv4, conv5, conv6],
  image=images,
  num_classes=21,
  min_sizes=[60.0, 105.0, 150.0, 195.0, 240.0, 285.0],
  max_sizes=[[], 150.0, 195.0, 240.0, 285.0, 300.0],
  aspect_ratios=[[2.], [2., 3.], [2., 3.], [2., 3.], [2.], [2.]],
  base_size=300,
  offset=0.5,
  flip=True,
  clip=True)