ROIAlign

バージョン名: ROIAlign-3

カテゴリー: 物体検出

簡単な説明:: ROIAlign は、不均一な入力サイズの特徴マップ上で使用されるプーリングレイヤーであり、固定サイズの特徴マップを出力します。

詳細な説明: リファレンス。

ROIAlign は、各入力特徴マップの関心領域 (ROI) ごとに以下を実行します。

  1. ボックス座標に spatial_scale を乗算して、入力特徴マップ・サイズに相対ボックス座標を生成します。

  2. ボックスを sampling_ratio 属性に従ってビンに分割します。

  3. 各ビンに 4 つのポイントで双線形内挿を適用し、mode 属性に基づいて最大または平均プーリングにより出力特徴マップ要素を生成します。

属性:

  • pooled_h

    • 説明: pooled_h は、ROI 出力特徴マップの高さです。

    • 値の範囲: 正の整数

    • タイプ: int

    • 必須: はい

  • pooled_w

    • 説明: pooled_w は、ROI 出力特徴マップの幅です。

    • 値の範囲: 正の整数

    • タイプ: int

    • 必須: はい

  • sampling_ratio

    • 説明: sampling_ratio は、各出力特徴マップ要素の計算に使用する高さと幅のビンの数です。値が 0 に等しい場合は、高さと幅に対して適応要素数 (それぞれ cei (roi_height / pooled_h) と ceil(roi_width / pooled_w)) を使用します。

    • 値の範囲: 負ではない整数

    • タイプ: int

    • 必須: はい

  • spatial_scale

    • 説明: spatial_scale は、ROI 座標を入力空間スケールからプールする際に使用されるスケールに変換する乗算空間スケール係数です。

    • 値の範囲: 正の浮動小数点数

    • タイプ: float

    • 必須: はい

  • mode

    • 説明: mode は、出力特徴マップ要素を生成するためにプーリングを実行する方法を指定します。

    • 値の範囲:

      • max - 最大プーリング

      • avg - 平均プーリング

    • タイプ: 文字列

    • 必須: はい

入力:

  • 1: T タイプの特徴マップを持つ形状 [N, C, H, W] の 4D 入力テンソル。必須。

  • 2: 4 つの要素タプル: [x_1, y_1, x_2, y_2] で構成されるボックスを記述する形状 [NUM_ROIS, 4] の 2D 入力テンソル (タイプ T の相対座標)。ボックスの高さと幅は次の方法で計算されます: roi_width = max(spatial_scale * (x_2 - x_1), 1.0), roi_height = max(spatial_scale * (y_2 - y_1), 1.0) であるため、不正なボックスはサイズ 1 x 1 のボックスとして表現されます。必須。

  • 3: IND_T タイプのバッチ・インデックスを持つ形状 [NUM_ROIS] の 1D 入力テンソル。必須。

出力:

  • 1: タイプ T の特徴マップを持つ形状 [NUM_ROIS, C, pooled_h, pooled_w] の 4D 出力テンソル。

タイプ:

  • T: サポートされている浮動小数点タイプ。

  • IND_T: サポートされている整数タイプ。

例:

<layer ... type="ROIAlign" ... >
    <data pooled_h="6" pooled_w="6" spatial_scale="16.0" sampling_ratio="2" mode="avg"/>
    <input>
        <port id="0">
            <dim>7</dim>
            <dim>256</dim>
            <dim>200</dim>
            <dim>200</dim>
        </port>
        <port id="1">
            <dim>1000</dim>
            <dim>4</dim>
        </port>
        <port id="2">
            <dim>1000</dim>
        </port>
    </input>
    <output>
        <port id="3" precision="FP32">
            <dim>1000</dim>
            <dim>256</dim>
            <dim>6</dim>
            <dim>6</dim>
        </port>
    </output>
</layer>