前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >faster-rcnn中ROI_POOIING层的解读

faster-rcnn中ROI_POOIING层的解读

作者头像
Gxjun
发布2018-03-27 11:39:53
9780
发布2018-03-27 11:39:53
举报
文章被收录于专栏:ml

在没有出现sppnet之前,RCNN使用corp和warp来对图片进行大小调整,这种操作会造成图片信息失真和信息丢失。sppnet这个模型推出来之后(关于这个网络的描述,可以看看之前写的一篇理解:http://www.cnblogs.com/gongxijun/p/7172134.html),rg大神沿用了sppnet的思路到他的下一个模型中fast-rcnn中,但是roi_pooling和sppnet的思路虽然相同,但是实现方式还是不同的.我们看一下网络参数:

代码语言:javascript
复制
layer {
name: "roi_pool5"
type: "ROIPooling"
bottom: "conv5_3"
bottom: "rois"
top: "pool5"
roi_pooling_param {
pooled_w: 7
pooled_h: 7
spatial_scale: 0.0625 # 1/16
}

结合源代码,作者借助了sppnet的空域金字塔pool方式,但是和sppnet并不同的是,作者在这里只使用了(pooled_w,pooled_h)这个尺度,来将得到的每一个特征图分成(pooled_w,pooled_h),然后对每一块进行max_pooling取值,最后得到一个n*7*7固定大小的特征图。

代码语言:javascript
复制
  1 // ------------------------------------------------------------------
  2 // Fast R-CNN
  3 // Copyright (c) 2015 Microsoft
  4 // Licensed under The MIT License [see fast-rcnn/LICENSE for details]
  5 // Written by Ross Girshick
  6 // ------------------------------------------------------------------
  7 
  8 #include <cfloat>
  9 
 10 #include "caffe/fast_rcnn_layers.hpp"
 11 
 12 using std::max;
 13 using std::min;
 14 using std::floor;
 15 using std::ceil;
 16 
 17 namespace caffe {
 18 
 19 template <typename Dtype>
 20 void ROIPoolingLayer<Dtype>::LayerSetUp(const vector<Blob<Dtype>*>& bottom,
 21       const vector<Blob<Dtype>*>& top) {
 22   ROIPoolingParameter roi_pool_param = this->layer_param_.roi_pooling_param();
 23   CHECK_GT(roi_pool_param.pooled_h(), 0)
 24       << "pooled_h must be > 0";
 25   CHECK_GT(roi_pool_param.pooled_w(), 0)
 26       << "pooled_w must be > 0";
 27   pooled_height_ = roi_pool_param.pooled_h(); //定义网络的大小
 28   pooled_width_ = roi_pool_param.pooled_w();
 29   spatial_scale_ = roi_pool_param.spatial_scale();
 30   LOG(INFO) << "Spatial scale: " << spatial_scale_;
 31 }
 32 
 33 template <typename Dtype>
 34 void ROIPoolingLayer<Dtype>::Reshape(const vector<Blob<Dtype>*>& bottom,
 35       const vector<Blob<Dtype>*>& top) {
 36   channels_ = bottom[0]->channels();
 37   height_ = bottom[0]->height();
 38   width_ = bottom[0]->width();
 39   top[0]->Reshape(bottom[1]->num(), channels_, pooled_height_,
 40       pooled_width_);
 41   max_idx_.Reshape(bottom[1]->num(), channels_, pooled_height_,
 42       pooled_width_);
 43 }
 44 
 45 template <typename Dtype>
 46 void ROIPoolingLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom,
 47       const vector<Blob<Dtype>*>& top) {
 48   const Dtype* bottom_data = bottom[0]->cpu_data();
 49   const Dtype* bottom_rois = bottom[1]->cpu_data();//获取roidb信息(n,x1,y1,x2,y2)
 50   // Number of ROIs
 51   int num_rois = bottom[1]->num();//候选目标的个数
 52   int batch_size = bottom[0]->num();//特征图的维度,vgg16的conv5之后为512
 53   int top_count = top[0]->count();//需要输出的值个数
 54   Dtype* top_data = top[0]->mutable_cpu_data();
 55   caffe_set(top_count, Dtype(-FLT_MAX), top_data);
 56   int* argmax_data = max_idx_.mutable_cpu_data();
 57   caffe_set(top_count, -1, argmax_data);
 58 
 59   // For each ROI R = [batch_index x1 y1 x2 y2]: max pool over R
 60   for (int n = 0; n < num_rois; ++n) {
 61     int roi_batch_ind = bottom_rois[0];
 62     int roi_start_w = round(bottom_rois[1] * spatial_scale_);//缩小16倍,将候选区域在原始坐标中的位置,映射到conv_5特征图上
 63     int roi_start_h = round(bottom_rois[2] * spatial_scale_);
 64     int roi_end_w = round(bottom_rois[3] * spatial_scale_);
 65     int roi_end_h = round(bottom_rois[4] * spatial_scale_);
 66     CHECK_GE(roi_batch_ind, 0);
 67     CHECK_LT(roi_batch_ind, batch_size);
 68 
 69     int roi_height = max(roi_end_h - roi_start_h + 1, 1);//得到候选区域在特征图上的大小
 70     int roi_width = max(roi_end_w - roi_start_w + 1, 1);
 71     const Dtype bin_size_h = static_cast<Dtype>(roi_height)
 72                              / static_cast<Dtype>(pooled_height_);//计算如果需要划分成(pooled_height_,pooled_weight_)这么多块,那么每一个块的大小(bin_size_w,bin_size_h);
 73     const Dtype bin_size_w = static_cast<Dtype>(roi_width)
 74                              / static_cast<Dtype>(pooled_width_);
 75 
 76     const Dtype* batch_data = bottom_data + bottom[0]->offset(roi_batch_ind);//获取当前维度的特征图数据,比如一共有(n,x1,x2,x3,x4)的数据,拿到第一块特征图的数据
 77 
 78     for (int c = 0; c < channels_; ++c) {
 79       for (int ph = 0; ph < pooled_height_; ++ph) {
 80         for (int pw = 0; pw < pooled_width_; ++pw) {
 81           // Compute pooling region for this output unit:
 82           //  start (included) = floor(ph * roi_height / pooled_height_)
 83           //  end (excluded) = ceil((ph + 1) * roi_height / pooled_height_)
 84           int hstart = static_cast<int>(floor(static_cast<Dtype>(ph)
 85                                               * bin_size_h)); //计算每一块的位置
 86           int wstart = static_cast<int>(floor(static_cast<Dtype>(pw)
 87                                               * bin_size_w));
 88           int hend = static_cast<int>(ceil(static_cast<Dtype>(ph + 1)
 89                                            * bin_size_h));
 90           int wend = static_cast<int>(ceil(static_cast<Dtype>(pw + 1)
 91                                            * bin_size_w));
 92 
 93           hstart = min(max(hstart + roi_start_h, 0), height_);
 94           hend = min(max(hend + roi_start_h, 0), height_);
 95           wstart = min(max(wstart + roi_start_w, 0), width_);
 96           wend = min(max(wend + roi_start_w, 0), width_);
 97 
 98           bool is_empty = (hend <= hstart) || (wend <= wstart);
 99 
100           const int pool_index = ph * pooled_width_ + pw;
101           if (is_empty) {
102             top_data[pool_index] = 0;
103             argmax_data[pool_index] = -1;
104           }
105 
106           for (int h = hstart; h < hend; ++h) {
107             for (int w = wstart; w < wend; ++w) {
108               const int index = h * width_ + w;
109               if (batch_data[index] > top_data[pool_index]) {
110                 top_data[pool_index] = batch_data[index]; //在取每一块中的最大值,就是max_pooling操作.
111                 argmax_data[pool_index] = index;
112               }
113             }
114           }
115         }
116       }
117       // Increment all data pointers by one channel
118       batch_data += bottom[0]->offset(0, 1);
119       top_data += top[0]->offset(0, 1);
120       argmax_data += max_idx_.offset(0, 1);
121     }
122     // Increment ROI data pointer
123     bottom_rois += bottom[1]->offset(1);
124   }
125 }
126 
127 template <typename Dtype>
128 void ROIPoolingLayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,
129       const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom) {
130   NOT_IMPLEMENTED;
131 }
132 
133 
134 #ifdef CPU_ONLY
135 STUB_GPU(ROIPoolingLayer);
136 #endif
137 
138 INSTANTIATE_CLASS(ROIPoolingLayer);
139 REGISTER_LAYER_CLASS(ROIPooling);
140 
141 }  // namespace caffe

进过以上的操作过后,就得到了固定大小的特征图啦,然后就可以进行全连接操作了. 但愿我说明白了.

---完.

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017-10-23 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档