DeformConv2D¶

class paddle.vision.ops. DeformConv2D ( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, weight_attr=None, bias_attr=None ) [源代码] ¶

deform_conv2d 对输入4-D Tensor计算2-D可变形卷积。给定输入Tensor x，输出Tensor y，可变形卷积运算如下所示：

可形变卷积v2(mask != None):

\(y(p) = \sum_{k=1}^{K}{w_k * x(p + p_k + \Delta p_k) * \Delta m_k}\)

可形变卷积v1(mask = None):

\(y(p) = \sum_{k=1}^{K}{w_k * x(p + p_k + \Delta p_k)}\)

其中 \(\Delta p_k\) 和 \(\Delta m_k\) 分别为第k个位置的可学习偏移和调制标量。在deformable conv v1中 \(\Delta m_k\) 为1.

具体细节可以参考论文：<<Deformable ConvNets v2: More Deformable, Better Results>> 和 <<Deformable Convolutional Networks>> 。

示例

输入：

input 形状： \((N, C_{in}, H_{in}, W_{in})\)

卷积核形状： \((C_{out}, C_{in}, H_f, W_f)\)

offset 形状： \((N, 2 * H_f * W_f, H_{out}, W_{out})\)

mask 形状： \((N, H_f * W_f, H_{out}, W_{out})\)

输出：

输出形状： \((N, C_{out}, H_{out}, W_{out})\)

其中

参数：

• in_channels (int) - 输入图像的通道数。

• out_channels (int) - 由卷积操作产生的输出的通道数。

• kernel_size (int|list|tuple) - 卷积核大小。可以为单个整数或包含两个整数的元组或列表，分别表示卷积核的高和宽。如果为单个整数，表示卷积核的高和宽都等于该整数。

• stride (int|list|tuple，可选) - 步长大小。可以为单个整数或包含两个整数的元组或列表，分别表示卷积沿着高和宽的步长。如果为单个整数，表示沿着高和宽的步长都等于该整数。默认值：1。

• padding (int|list|tuple，可选) - 填充大小。卷积核操作填充大小。如果它是一个列表或元组，则必须包含两个整型数：（padding_height,padding_width）。若为一个整数，padding_height = padding_width = padding。默认值：0。

• dilation (int|list|tuple，可选) - 空洞大小。可以为单个整数或包含两个整数的元组或列表，分别表示卷积核中的元素沿着高和宽的空洞。如果为单个整数，表示高和宽的空洞都等于该整数。默认值：1。

• groups (int，可选) - 二维卷积层的组数。根据Alex Krizhevsky的深度卷积神经网络（CNN）论文中的成组卷积：当group=n，输入和卷积核分别根据通道数量平均分为n组，第一组卷积核和第一组输入进行卷积计算，第二组卷积核和第二组输入进行卷积计算，……，第n组卷积核和第n组输入进行卷积计算。默认值：1。

• weight_attr (ParamAttr，可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。

• bias_attr （ParamAttr|bool，可选）- 指定偏置参数属性的对象。若 bias_attr 为bool类型，只支持为False，表示没有偏置参数。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。

形状:

• x: \((N, C_{in}, H_{in}, W_{in})\)

• offset: \((N, 2 * H_f * W_f, H_{out}, W_{out})\)

• mask: \((N, H_f * W_f, H_{out}, W_{out})\)

• 输出: \((N, C_{out}, H_{out}, W_{out})\)

其中:

\[ \begin{align}\begin{aligned}H_{out} = \frac{(H_{in} + 2 * paddings[0] - (dilations[0] * (kernel\_size[0] - 1) + 1))}{strides[0]} + 1\\W_{out} = \frac{(W_{in} + 2 * paddings[1] - (dilations[1] * (kernel\_size[1] - 1) + 1))}{strides[1]} + 1\end{aligned}\end{align} \]

代码示例：

#deformable conv v2:

import paddle
input = paddle.rand((8, 1, 28, 28))
kh, kw = 3, 3
# offset shape should be [bs, 2 * kh * kw, out_h, out_w]
# mask shape should be [bs, hw * hw, out_h, out_w]
# In this case, for an input of 28, stride of 1
# and kernel size of 3, without padding, the output size is 26
offset = paddle.rand((8, 2 * kh * kw, 26, 26))
mask = paddle.rand((8, kh * kw, 26, 26))
deform_conv = paddle.vision.ops.DeformConv2D(
    in_channels=1,
    out_channels=16,
    kernel_size=[kh, kw])
out = deform_conv(input, offset, mask)
print(out.shape)
# returns
[8, 16, 26, 26]

#deformable conv v1:

import paddle
input = paddle.rand((8, 1, 28, 28))
kh, kw = 3, 3
# offset shape should be [bs, 2 * kh * kw, out_h, out_w]
# mask shape should be [bs, hw * hw, out_h, out_w]
# In this case, for an input of 28, stride of 1
# and kernel size of 3, without padding, the output size is 26
offset = paddle.rand((8, 2 * kh * kw, 26, 26))
deform_conv = paddle.vision.ops.DeformConv2D(
    in_channels=1,
    out_channels=16,
    kernel_size=[kh, kw])
out = deform_conv(input, offset)
print(out.shape)
# returns
[8, 16, 26, 26]