RoiAlign¶

RoiAlign - 22¶

此版本的运算符自版本22起可用。

在Mask R-CNN论文中描述的兴趣区域（RoI）对齐操作。 RoiAlign消耗一个输入张量X和兴趣区域（rois）以在每个RoI上应用池化；它生成一个形状为(num_rois, C, output_height, output_width)的4-D张量。

RoiAlign 被提出来以避免在从原始图像转换为特征图和从特征图转换为 RoI 特征时的量化导致的对齐错误；在每个 ROI 区域中，采样位置的值通过双线性插值直接计算。

coordinate_transformation_mode - 字符串 (默认值为 'half_pixel'):

允许的值为‘half_pixel’和‘output_half_pixel’。使用值‘half_pixel’将输入坐标像素偏移-0.5（推荐行为）。使用值‘output_half_pixel’省略输入的像素偏移（用于向后兼容的行为）。
mode - STRING (默认是 'avg'):

池化方法。支持两种模式：'avg' 和 'max'。默认为 'avg'。
output_height - INT (默认值为 '1'):

默认值为1；池化输出Y的高度。
output_width - INT (默认值为 '1'):

默认值为1；池化输出Y的宽度。
sampling_ratio - INT (默认值为 '0'):

用于计算每个池化输出箱的输出值的插值网格中的采样点数。如果 > 0，则使用 exactly sampling_ratio x sampling_ratio 网格点。如果 == 0，则使用自适应数量的网格点（计算为 ceil(roi_width / output_width)，高度同理）。默认值为 0。
spatial_scale - FLOAT (默认值为 '1.0'):

用于将ROI坐标从其输入空间比例转换为池化时使用的比例的空间比例因子，即输入特征图X相对于输入图像的空间比例。例如；默认值为1.0f。

X (异构) - T1:

来自前一个操作符的输入数据张量；形状为 (N, C, H, W) 的4维特征图，其中 N 是批量大小，C 是通道数，H 和 W 是数据的高度和宽度。
rois (异构) - T1:

RoIs（感兴趣区域）用于池化；rois 是一个形状为 (num_rois, 4) 的二维输入，格式为 [[x1, y1, x2, y2], …]。RoIs 的坐标位于输入图像的坐标系中。每个坐标集与 'batch_indices' 输入有一一对应的关系。
batch_indices (异构) - T2:

形状为 (num_rois,) 的一维张量，每个元素表示批次中对应图像的索引。

Y (异构) - T1:

RoI 池化输出，形状为 (num_rois, C, output_height, output_width) 的 4-D 张量。第 r 个批次元素 Y[r-1] 是对应于第 r 个 RoI X[r-1] 的池化特征图。

T1 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) ) 中:

将类型限制为浮点张量。
T2 在 ( tensor(int64) ) 中:

将类型限制为整数张量。

此版本的运算符自版本16起可用。

coordinate_transformation_mode - 字符串 (默认值为 'half_pixel'):

允许的值为‘half_pixel’和‘output_half_pixel’。使用值‘half_pixel’将输入坐标像素偏移-0.5（推荐行为）。使用值‘output_half_pixel’省略输入的像素偏移（用于向后兼容的行为）。
mode - STRING (默认是 'avg'):

池化方法。支持两种模式：'avg' 和 'max'。默认为 'avg'。
output_height - INT (默认值为 '1'):

默认值为1；池化输出Y的高度。
output_width - INT (默认值为 '1'):

默认值为1；池化输出Y的宽度。
sampling_ratio - INT (默认值为 '0'):

用于计算每个池化输出箱的输出值的插值网格中的采样点数。如果 > 0，则使用 exactly sampling_ratio x sampling_ratio 网格点。如果 == 0，则使用自适应数量的网格点（计算为 ceil(roi_width / output_width)，高度同理）。默认值为 0。
spatial_scale - FLOAT (默认值为 '1.0'):

用于将ROI坐标从其输入空间比例转换为池化时使用的比例的空间比例因子，即输入特征图X相对于输入图像的空间比例。例如；默认值为1.0f。

X (异构) - T1:

来自前一个操作符的输入数据张量；形状为(N, C, H, W)的4维特征图，其中N是批量大小，C是通道数，H和W是数据的高度和宽度。
rois (异构) - T1:

RoIs（感兴趣区域）用于池化；rois 是一个形状为 (num_rois, 4) 的二维输入，格式为 [[x1, y1, x2, y2], …]。RoIs 的坐标在输入图像的坐标系中。每个坐标集与 'batch_indices' 输入有一一对应的关系。
batch_indices (异构) - T2:

形状为 (num_rois,) 的一维张量，每个元素表示批次中对应图像的索引。

Y (异构) - T1:

RoI 池化输出，形状为 (num_rois, C, output_height, output_width) 的 4-D 张量。第 r 个批次元素 Y[r-1] 是对应于第 r 个 RoI X[r-1] 的池化特征图。

此版本的运算符自版本10起可用。

mode - STRING (默认是 'avg'):

池化方法。支持两种模式：'avg' 和 'max'。默认为 'avg'。
output_height - INT (默认值为 '1'):

默认值为1；池化输出Y的高度。
output_width - INT (默认值为 '1'):

默认值为1；池化输出Y的宽度。
sampling_ratio - INT (默认值为 '0'):

用于计算每个池化输出箱的输出值的插值网格中的采样点数。如果 > 0，则使用 exactly sampling_ratio x sampling_ratio 网格点。如果 == 0，则使用自适应数量的网格点（计算为 ceil(roi_width / output_width)，高度同理）。默认值为 0。
spatial_scale - FLOAT (默认值为 '1.0'):

用于将ROI坐标从其输入空间比例转换为池化时使用的比例的空间比例因子，即输入特征图X相对于输入图像的空间比例。例如；默认值为1.0f。

X (异构) - T1:

来自前一个操作符的输入数据张量；形状为 (N, C, H, W) 的4维特征图，其中 N 是批量大小，C 是通道数，H 和 W 是数据的高度和宽度。
rois (异构) - T1:

RoIs（感兴趣区域）用于池化；rois 是一个形状为 (num_rois, 4) 的二维输入，格式为 [[x1, y1, x2, y2], …]。RoIs 的坐标位于输入图像的坐标系中。每个坐标集与 'batch_indices' 输入有一一对应的关系。
batch_indices (异构) - T2:

形状为 (num_rois,) 的一维张量，每个元素表示批次中对应图像的索引。

Y (异构) - T1:

RoI 池化输出，形状为 (num_rois, C, output_height, output_width) 的 4-D 张量。第 r 个批次元素 Y[r-1] 是对应于第 r 个 RoI X[r-1] 的池化特征图。