RoIAlign源码解析

RoIAlign源码及示意图

/*
* 参数解释
* bottom_data 需要做RoIAlign的feature map
* spatial_scale feature map放缩的尺寸 vgg是1/16
* channels height width feature map的通道高和宽不用多说
* pooled_height pooled_width RoIAlign后的feature大小
* sampling_ratio RoIAlign时，每个bin内高和宽方向的采样率，论文中默认是2，即每个bin采样2*2=4个点
* bottom_rois rpn生成的物体坐标，以原图为参照的，所以用在feature上时需要spatial_scale这个参数
*/
template <typename T>
__global__ void RoIAlignForward(const int nthreads,const T* bottom_data,const T spatial_scale,const int channels,const int height,const int width,const int pooled_height,const int pooled_width,const int sampling_ratio,const T* bottom_rois,T* top_data) {CUDA_1D_KERNEL_LOOP(index, nthreads) {// (n, c, ph, pw) is an element in the pooled outputint pw = index % pooled_width;int ph = (index / pooled_width) % pooled_height;int c = (index / pooled_width / pooled_height) % channels;int n = index / pooled_width / pooled_height / channels;const T* offset_bottom_rois = bottom_rois + n * 5;int roi_batch_ind = offset_bottom_rois[0];// Do not using rounding; this implementation detail is criticalT roi_start_w = offset_bottom_rois[1] * spatial_scale;T roi_start_h = offset_bottom_rois[2] * spatial_scale;T roi_end_w = offset_bottom_rois[3] * spatial_scale;T roi_end_h = offset_bottom_rois[4] * spatial_scale;// T roi_start_w = round(offset_bottom_rois[1] * spatial_scale);// T roi_start_h = round(offset_bottom_rois[2] * spatial_scale);// T roi_end_w = round(offset_bottom_rois[3] * spatial_scale);// T roi_end_h = round(offset_bottom_rois[4] * spatial_scale);// Force malformed ROIs to be 1x1T roi_width = max(roi_end_w - roi_start_w, (T)1.);T roi_height = max(roi_end_h - roi_start_h, (T)1.);T bin_size_h = static_cast<T>(roi_height) / static_cast<T>(pooled_height);T bin_size_w = static_cast<T>(roi_width) / static_cast<T>(pooled_width);const T* offset_bottom_data =bottom_data + (roi_batch_ind * channels + c) * height * width;// We use roi_bin_grid to sample the grid and mimic integral// 采样率，论文中默认是2，如果没有设置则等于ceil(roi_height / pooled_height)，大概约等于每个bin里有几个格子就采样几个点int roi_bin_grid_h = (sampling_ratio > 0)? sampling_ratio: ceil(roi_height / pooled_height); // e.g., = 2int roi_bin_grid_w =(sampling_ratio > 0) ? sampling_ratio : ceil(roi_width / pooled_width);// We do average (integral) pooling inside a binconst T count = roi_bin_grid_h * roi_bin_grid_w; // e.g. = 4T output_val = 0.;for (int iy = 0; iy < roi_bin_grid_h; iy++) // e.g., iy = 0, 1{// 在height方向采样const T y = roi_start_h + ph * bin_size_h +static_cast<T>(iy + .5f) * bin_size_h /static_cast<T>(roi_bin_grid_h); // e.g., 0.5, 1.5// 在width方向采样for (int ix = 0; ix < roi_bin_grid_w; ix++) {const T x = roi_start_w + pw * bin_size_w +static_cast<T>(ix + .5f) * bin_size_w /static_cast<T>(roi_bin_grid_w);// 被采样到的点由于坐标是浮点数，其对应位置的值需要双线性插值获取(最近的4个点得到)T val = bilinear_interpolate(offset_bottom_data, height, width, y, x, index);output_val += val;}}output_val /= count;top_data[index] = output_val;}
}} // namespace

双线性插值代码及示意图、公式

template <typename T>
__device__ T bilinear_interpolate(const T* bottom_data,const int height,const int width,T y,T x,const int index /* index for debug only*/) {// deal with cases that inverse elements are out of feature map boundaryif (y < -1.0 || y > height || x < -1.0 || x > width) {// emptyreturn 0;}if (y <= 0) {y = 0;}if (x <= 0) {x = 0;}int y_low = (int)y;int x_low = (int)x;int y_high;int x_high;if (y_low >= height - 1) {y_high = y_low = height - 1;y = (T)y_low;} else {y_high = y_low + 1;}if (x_low >= width - 1) {x_high = x_low = width - 1;x = (T)x_low;} else {x_high = x_low + 1;}T ly = y - y_low;T lx = x - x_low;T hy = 1. - ly, hx = 1. - lx;// do bilinear interpolation// 由最近的4个点插值得到，示意图更清楚T v1 = bottom_data[y_low * width + x_low];T v2 = bottom_data[y_low * width + x_high];T v3 = bottom_data[y_high * width + x_low];T v4 = bottom_data[y_high * width + x_high];// 对应下面公式hx:1-u hy:1-v lx:u ly:vT w1 = hy * hx, w2 = hy * lx, w3 = ly * hx, w4 = ly * lx;T val = (w1 * v1 + w2 * v2 + w3 * v3 + w4 * v4);return val;
}

f(i+u,j+v) = (1-u)(1-v)f(i,j)+ u(1-v)f(i+1,j) + (1-u)vf(i,j+1) + uvf(i+1,j+1)

引用:
caffe2/operators/roi_align_op.cu
mask rcnn解读
Deformable Convolutional Networks解读

RoIAlign源码解析相关推荐

谷歌BERT预训练源码解析（二）：模型构建
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/weixin_39470744/arti ...
谷歌BERT预训练源码解析（三）：训练过程
目录前言源码解析主函数自定义模型遮蔽词预测下一句预测规范化数据集前言本部分介绍BERT训练过程,BERT模型训练过程是在自己的TPU上进行的,这部分我没做过研究所以不做深入探讨.BE ...
谷歌BERT预训练源码解析（一）：训练数据生成
目录预训练源码结构简介输入输出源码解析参数主函数创建训练实例下一句预测&实例生成随机遮蔽输出结果一览预训练源码结构简介关于BERT,简单来说,它是一个基于Transfo ...
Gin源码解析和例子——中间件（middleware）
在<Gin源码解析和例子--路由>一文中,我们已经初识中间件.本文将继续探讨这个技术.(转载请指明出于breaksoftware的csdn博客) Gin的中间件,本质是一个匿名回调函数.这 ...
Colly源码解析——结合例子分析底层实现
通过<Colly源码解析--框架>分析,我们可以知道Colly执行的主要流程.本文将结合http://go-colly.org上的例子分析一些高级设置的底层实现.(转载请指明出于break ...
libev源码解析——定时器监视器和组织形式
我们先看下定时器监视器的数据结构.(转载请指明出于breaksoftware的csdn博客) /* invoked after a specific time, repeatable (based o ...
libev源码解析——定时器原理
本文将回答<libev源码解析--I/O模型>中抛出的两个问题.(转载请指明出于breaksoftware的csdn博客) 对于问题1:为什么backend_poll函数需要指定超时?我们 ...
libev源码解析——I/O模型
在<libev源码解析--总览>一文中,我们介绍过,libev是一个基于事件的循环库.本文将介绍其和事件及循环之间的关系.(转载请指明出于breaksoftware的csdn博客) 目前i ...
libev源码解析——调度策略
在<libev源码解析--监视器(watcher)结构和组织形式>中介绍过,监视器分为[2,-2]区间5个等级的优先级.等级为2的监视器最高优,然后依次递减.不区分监视器类型和关联的文件描 ...

RoIAlign源码解析

RoIAlign源码及示意图

双线性插值代码及示意图、公式

RoIAlign源码解析相关推荐

最新文章

热门文章