RoiAlign¶

RoiAlign - 22¶

此版本的运算符已从版本 22 开始可用。

在Mask R-CNN 论文中描述的兴趣区域 (RoI) 对齐操作。RoiAlign 使用输入张量 X 和兴趣区域 (roi) 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 维张量。

RoiAlign 被提议通过删除量化来避免错位，而量化是在将原始图像转换为特征图以及将特征图转换为 RoI 特征时发生的；在每个 ROI bin 中，采样位置的值是通过双线性插值直接计算的。

coordinate_transformation_mode - STRING (默认值为 'half_pixel')

允许的值为 'half_pixel' 和 'output_half_pixel'。使用值 'half_pixel' 将输入坐标按 -0.5（推荐的行为）进行像素偏移。使用值 'output_half_pixel' 忽略输入的像素偏移（对于向后兼容的行为，请使用此值）。
mode - STRING (默认值为 'avg')

池化方法。支持两种模式：'avg' 和 'max'。默认值为 '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 bin 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)，高度也是如此）。默认值为 0。
spatial_scale - FLOAT (默认值为 '1.0')

乘法空间比例因子，用于将 ROI 坐标从它们的输入空间比例转换为池化时使用的比例，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

来自先前运算符的输入数据张量；形状为 (N, C, H, W) 的 4 维特征图，其中 N 是批次大小，C 是通道数，H 和 W 是数据的宽度和高度。
rois (异构) - T1

要池化的 RoI（兴趣区域）；roi 是形状为 (num_rois, 4) 的 2 维输入，给出为 [[x1, y1, x2, y2], ...]。RoI 的坐标位于输入图像的坐标系中。每个坐标集与 'batch_indices' 输入一一对应。
batch_indices (异构) - T2

形状为 (num_rois,) 的 1 维张量，每个元素表示批次中相应图像的索引。

Y (异构) - T1

RoI 池化输出，形状为 (num_rois, C, output_height, output_width) 的 4 维张量。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

将类型约束为浮点张量。
T2 在 ( tensor(int64) ) 中

将类型约束为整数张量。

此版本的运算符已从版本 16 开始可用。

coordinate_transformation_mode - STRING (默认值为 'half_pixel')

允许的值为 'half_pixel' 和 'output_half_pixel'。使用值 'half_pixel' 将输入坐标按 -0.5（推荐的行为）进行像素偏移。使用值 'output_half_pixel' 忽略输入的像素偏移（对于向后兼容的行为，请使用此值）。
mode - STRING (默认值为 'avg')

池化方法。支持两种模式：'avg' 和 'max'。默认值为 '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 bin 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)，高度也是如此）。默认值为 0。
spatial_scale - FLOAT (默认值为 '1.0')

乘法空间比例因子，用于将 ROI 坐标从它们的输入空间比例转换为池化时使用的比例，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

来自先前运算符的输入数据张量；形状为 (N, C, H, W) 的 4 维特征图，其中 N 是批次大小，C 是通道数，H 和 W 是数据的宽度和高度。
rois (异构) - T1

要池化的 RoI（兴趣区域）；roi 是形状为 (num_rois, 4) 的 2 维输入，给出为 [[x1, y1, x2, y2], ...]。RoI 的坐标位于输入图像的坐标系中。每个坐标集与 'batch_indices' 输入一一对应。
batch_indices (异构) - T2

形状为 (num_rois,) 的 1 维张量，每个元素表示批次中相应图像的索引。

Y (异构) - T1

RoI 池化输出，形状为 (num_rois, C, output_height, output_width) 的 4 维张量。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。

此版本的运算符已从版本 10 开始可用。

mode - STRING (默认值为 'avg')

池化方法。支持两种模式：'avg' 和 'max'。默认值为 '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 bin 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)，高度也是如此）。默认值为 0。
spatial_scale - FLOAT (默认值为 '1.0')

乘法空间比例因子，用于将 ROI 坐标从它们的输入空间比例转换为池化时使用的比例，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

来自先前运算符的输入数据张量；形状为 (N, C, H, W) 的 4 维特征图，其中 N 是批次大小，C 是通道数，H 和 W 是数据的宽度和高度。
rois (异构) - T1

要池化的 RoI（兴趣区域）；roi 是形状为 (num_rois, 4) 的 2 维输入，给出为 [[x1, y1, x2, y2], ...]。RoI 的坐标位于输入图像的坐标系中。每个坐标集与 'batch_indices' 输入一一对应。
batch_indices (异构) - T2

形状为 (num_rois,) 的 1 维张量，每个元素表示批次中相应图像的索引。

Y (异构) - T1

RoI 池化输出，形状为 (num_rois, C, output_height, output_width) 的 4 维张量。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。