13.2 微调
为了防止在训练集上过拟合，有两种办法，第一种是扩大训练集数量，但是需要大量的成本；第二种就是应用迁移学习，将源数据学习到的知识迁移到目标数据集，即在把在源数据训练好的参数和模型（除去输出层）直接复制到目标数据集训练。
# IPython魔法函数，可以不用执行plt .show()
%matplotlib inline
import os
import torch
import torchvision
from torch import nn
from d2l import torch as d2l13.2.1 获取数据集
#@save
d2l.DATA_HUB['hotdog'] = (d2l.DATA_URL + 'hotdog.zip',
'fba480ffa8aa7e0febbb511d181409f899b9baa5')
data_dir = d2l.download_extract('hotdog')
train_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'train'))
test_imgs = torchvision.datasets.ImageFolder(os.path.join(data_dir, 'test'))
hotdogs = [train_imgs[i][0] for i in range(8)]
not_hotdogs = [train_imgs[-i-1][0] for i in range(8)]
# 展示2行8列矩阵的图片，共16张
d2l.show_images(hotdogs+not_hotdogs,2,8,scale=1.5)# 使用RGB通道的均值和标准差，以标准化每个通道
normalize = torchvision.transforms.Normalize(
[0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
# 图像增广
train_augs = torchvision.transforms.Compose([
torchvision.transforms.RandomResizedCrop(224),
torchvision.transforms.RandomHorizontalFlip(),
torchvision.transforms.ToTensor(),
normalize])
test_augs = torchvision.transforms.Compose([
torchvision.transforms.Resize([256, 256]),
torchvision.transforms.CenterCrop(224),
torchvision.transforms.ToTensor(),
normalize])13.2.2 初始化模型
# 自动下载网上的训练模型
finetune_net = torchvision.models.resnet18(pretrained=True)
# 输入张量的形状还是源输入张量大小，输入张量大小改为2
finetune_net.fc = nn.Linear(finetune_net.fc.in_features, 2)
nn.init.xavier_uniform_(finetune_net.fc.weight);13.2.3 微调模型
# 如果param_group=True，输出层中的模型参数将使用十倍的学习率
# 如果param_group=False，输出层中模型参数为随机值
# 训练模型
def train_fine_tuning(net, learning_rate, batch_size=128, num_epochs=5,
param_group=True):
train_iter = torch.utils.data.DataLoader(torchvision.datasets.ImageFolder(
os.path.join(data_dir, 'train'), transform=train_augs),
batch_size=batch_size, shuffle=True)
test_iter = torch.utils.data.DataLoader(torchvision.datasets.ImageFolder(
os.path.join(data_dir, 'test'), transform=test_augs),
batch_size=batch_size)
devices = d2l.try_all_gpus()
loss = nn.CrossEntropyLoss(reduction="none")
if param_group:
params_1x = [param for name, param in net.named_parameters()
if name not in ["fc.weight", "fc.bias"]]
# params_1x的参数使用learning_rate学习率， net.fc.parameters()的参数使用0.001的学习率
trainer = torch.optim.SGD([{'params': params_1x},
{'params': net.fc.parameters(),
'lr': learning_rate * 10}],
lr=learning_rate, weight_decay=0.001)
else:
trainer = torch.optim.SGD(net.parameters(), lr=learning_rate,
weight_decay=0.001)
d2l.train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs,
devices)
train_fine_tuning(finetune_net, 5e-5)13.3 目标检测和边界框
有时候不仅要识别图像的类别，还需要识别图像的位置。在计算机视觉中叫做目标识别或者目标检测。这小节是介绍目标检测的深度学习方法。
%matplotlib inline
import torch
from d2l import torch as d2l
#@save
def box_corner_to_center(boxes):
"""从（左上，右下）转换到（中间，宽度，高度）"""
x1, y1, x2, y2 = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]
# cx,xy,w,h的维度是n
cx = (x1 + x2) / 2
cy = (y1 + y2) / 2
w = x2 - x1
h = y2 - y1
# torch.stack()沿着新维度对张量进行链接。boxes最开始维度是（n，4），axis=-1表示倒数第一个维度
# torch.stack()将(cx, cy, w, h)的维度n将其沿着倒数第一个维度拼接在一起，又是（n，4）
boxes = torch.stack((cx, cy, w, h), axis=-1)
return boxes
#@save
def box_center_to_corner(boxes):
"""从（中间，宽度，高度）转换到（左上，右下）"""
cx, cy, w, h = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]
x1 = cx - 0.5 * w
y1 = cy - 0.5 * h
x2 = cx + 0.5 * w
y2 = cy + 0.5 * h
boxes = torch.stack((x1, y1, x2, y2), axis=-1)
return boxes13.4 锚框
目标检测算法通常会在图像中采集大量的样本，本小节介绍其中一个采样办法：以某个像素为中心，生成多个不同缩放比和宽高比的边界框。
13.4.1 生成多个锚框
%matplotlib inline
import torch
from d2l import torch as d2l
torch.set_printoptions(2) # 精简输出精度，显示小数点后2位
"""
形成多个锚框
params:
data：图像(批量大小，通道数，高，宽)
sizes：缩放比尺寸集合
ratios：宽高比集合
"""
def multibox_prior(data, sizes, ratios):
# 获取data后两位的值，也就是图像的高和宽
in_height, in_width = data.shape[-2:]
"""
params:
device：cpu或者gpu
num_sizes：尺寸的个数n
num_ratios：宽高比个数m
"""
device, num_sizes, num_ratios = data.device, len(sizes), len(ratios)
# 以同一像素为中心的锚框数量n+m-1
boxes_per_pixel = (num_sizes + num_ratios - 1)
size_tensor = torch.tensor(sizes, device=device)
ratio_tensor = torch.tensor(ratios, device=device)
# offset：为了将锚点移动到像素的中心，需要设置偏移量。
# steps：归一化，将宽高规化到0-1之间，因为一个像素的高为1且宽为1，我们选择偏移我们的中心0.5
offset_h, offset_w = 0.5, 0.5
steps_h = 1.0 / in_height # 在y轴上缩放步长
steps_w = 1.0 / in_width # 在x轴上缩放步长
# 假设宽高512*216 那么torch.arange(in_height, device=device)=【0，1，2...511】,移动到中心就是[0.5,1.5...511.5]
# 第一步：torch.arange(in_height, device=device) + offset_h代表移动到每个像素的中心，因为每个像素1*1大小.
# 第二步：宽高进行归一化
center_h = (torch.arange(in_height, device=device) + offset_h) * steps_h
center_w = (torch.arange(in_width, device=device) + offset_w) * steps_w
"""
a = torch.tensor([1, 2, 3, 4])
b = torch.tensor([4, 5, 6])
x, y = torch.meshgrid(a, b,indexing='ij')
print:tensor([[1, 1, 1],
[2, 2, 2],
[3, 3, 3],
[4, 4, 4]])
tensor([[4, 5, 6],
[4, 5, 6],
[4, 5, 6],
[4, 5, 6]])
x, y = torch.meshgrid(a, b,indexing='xy')
print:tensor([[1, 2, 3, 4],
[1, 2, 3, 4],
[1, 2, 3, 4]])
tensor([[4, 4, 4, 4],
[5, 5, 5, 5],
[6, 6, 6, 6]])
"""
# 对比上面例子，假设center_h=tensor([0.5,1.5...511.5])(实际上是0-1的值，这里为了简单理解写成这样)
# 则shift_y=tensor([0.5,0.5..],[1.5,1.5,...],...[511.5,511.5...])
shift_y, shift_x = torch.meshgrid(center_h, center_w, indexing='ij')
# 将shift展平成一维序列，用上述的例子则shift_y为tensor([0.5,0.5...511.5,511.5])
shift_y, shift_x = shift_y.reshape(-1), shift_x.reshape(-1)
# 宽=h*s*sqrt(r)
# 由于锚框只考虑s1和r1的组合，r1组合就是size_tensor * torch.sqrt(ratio_tensor[0])，s1组合就是sizes[0] * torch.sqrt(ratio_tensor[1:])
# 此处要乘上in_height / in_width是因为，假设此时ratios宽高比为1，那么默认w=h，但是实际上ratios代表与原图宽高比一致，举个例子
# 假设原图1000*10，那么当ratios为1时，此时w=h，而我们需要的是w/h = 1000/10，所以需要乘上in_height / in_width来与原尺寸保持一致
w = torch.cat((size_tensor * torch.sqrt(ratio_tensor[0]),
sizes[0] * torch.sqrt(ratio_tensor[1:])))\
* in_height / in_width # 处理矩形输入
h = torch.cat((size_tensor / torch.sqrt(ratio_tensor[0]),
sizes[0] / torch.sqrt(ratio_tensor[1:])))
# 除以2来获得半高和半宽
# 每一行(-w, -h, w, h)对应一个锚框一个锚框的左上角偏差和右下角偏差
anchor_manipulations = torch.stack((-w, -h, w, h)).T.repeat(
in_height * in_width, 1) / 2
# 每个中心点都将有boxes_per_pixel=(n+m-1)个锚框，
# 形状：（w*h*(n+m-1)， 4）
out_grid = torch.stack([shift_x, shift_y, shift_x, shift_y],
dim=1).repeat_interleave(boxes_per_pixel, dim=0)
output = out_grid + anchor_manipulations
# 添加一个维度
return output.unsqueeze(0)
img = d2l.plt.imread('../data/img/catdog.jpg')
h, w = img.shape[:2] # (1080, 1920)
X = torch.rand(size=(1, 3, h, w))
Y = multibox_prior(X, sizes=[0.75, 0.5, 0.25], ratios=[1, 2, 0.5])
print(Y.shape)# 即将Y变成（高，宽，以同一像素点为中心的锚框数，4）
# 每个锚框有四个元素（锚框的左上角x，y坐标和锚框右下角的x，y坐标）
# n+m-1=3+3-1=5
boxes = Y.reshape(h, w, 5, 4)
# 访问以（250，250）为中心的第一个锚框
boxes[250, 250, 0, :]# 显示以某个像素点为中心的所有锚框
"""
params:
axes:图像坐标
bboxes：某个像素点中心坐标
labels：显示文本，例如s=0.2,r=1
colors：锚框的颜色
"""
def show_bboxes(axes, bboxes, labels=None, colors=None):
"""显示所有边界框"""
def _make_list(obj, default_values=None):
if obj is None:
obj = default_values
elif not isinstance(obj, (list, tuple)):
obj = [obj]
return obj
labels = _make_list(labels)
colors = _make_list(colors, ['b', 'g', 'r', 'm', 'c'])
for i, bbox in enumerate(bboxes):
color = colors[i % len(colors)]
# bbox_to_rect将边界框(左上x,左上y,右下x,右下y)格式转换成matplotlib格式：
# ((左上x,左上y),宽,高)
rect = d2l.bbox_to_rect(bbox.detach().numpy(), color)
axes.add_patch(rect)
if labels and len(labels) > i:
text_color = 'k' if color == 'w' else 'w'
axes.text(rect.xy[0], rect.xy[1], labels[i],
va='center', ha='center', fontsize=9, color=text_color,
bbox=dict(facecolor=color, lw=0))
d2l.set_figsize()
bbox_scale = torch.tensor((w, h, w, h))
fig = d2l.plt.imshow(img)
show_bboxes(fig.axes, boxes[750, 750, :, :] * bbox_scale,
['s=0.75, r=1', 's=0.5, r=1', 's=0.25, r=1', 's=0.75, r=2',
's=0.75, r=0.5'])13.4.2 交并比
# 衡量锚框与真实框之间或者锚框与锚框之间的相似度，即A∩B/A∪B
def box_iou(boxes1, boxes2):
"""计算两个锚框或边界框列表中成对的交并比"""
box_area = lambda boxes: ((boxes[:, 2] - boxes[:, 0]) *
(boxes[:, 3] - boxes[:, 1]))
# boxes1,boxes2,areas1,areas2的形状:
# boxes1：(boxes1的数量,4),
# boxes2：(boxes2的数量,4),
# areas1：(boxes1的数量,),
# areas2：(boxes2的数量,)
areas1 = box_area(boxes1)
areas2 = box_area(boxes2)
# inter_upperlefts,inter_lowerrights,inters的形状:
# (boxes1的数量,boxes2的数量,2)
inter_upperlefts = torch.max(boxes1[:, None, :2], boxes2[:, :2])
inter_lowerrights = torch.min(boxes1[:, None, 2:], boxes2[:, 2:])
inters = (inter_lowerrights - inter_upperlefts).clamp(min=0)
# inter_areasandunion_areas的形状:(boxes1的数量,boxes2的数量)
inter_areas = inters[:, :, 0] * inters[:, :, 1]
union_areas = areas1[:, None] + areas2 - inter_areas
return inter_areas / union_areas13.4.3 在训练数据中标注锚框
%matplotlib inline
import torch
from d2l import torch as d2l
torch.set_printoptions(2) # 精简输出精度，显示小数点后2位
"""
形成多个锚框
params:
data：图像(批量大小，通道数，高，宽)
sizes：缩放比尺寸集合
ratios：宽高比集合
"""
def multibox_prior(data, sizes, ratios):
# 获取data后两位的值，也就是图像的高和宽
in_height, in_width = data.shape[-2:]
"""
params:
device：cpu或者gpu
num_sizes：尺寸的个数n
num_ratios：宽高比个数m
"""
device, num_sizes, num_ratios = data.device, len(sizes), len(ratios)
# 以同一像素为中心的锚框数量n+m-1
boxes_per_pixel = (num_sizes + num_ratios - 1)
size_tensor = torch.tensor(sizes, device=device)
ratio_tensor = torch.tensor(ratios, device=device)
# offset：为了将锚点移动到像素的中心，需要设置偏移量。
# steps：归一化，将宽高规化到0-1之间，因为一个像素的高为1且宽为1，我们选择偏移我们的中心0.5
offset_h, offset_w = 0.5, 0.5
steps_h = 1.0 / in_height # 在y轴上缩放步长
steps_w = 1.0 / in_width # 在x轴上缩放步长
# 假设宽高512*216 那么torch.arange(in_height, device=device)=【0，1，2...511】,移动到中心就是[0.5,1.5...511.5]
# 第一步：torch.arange(in_height, device=device) + offset_h代表移动到每个像素的中心，因为每个像素1*1大小.
# 第二步：宽高进行归一化
center_h = (torch.arange(in_height, device=device) + offset_h) * steps_h
center_w = (torch.arange(in_width, device=device) + offset_w) * steps_w
"""
a = torch.tensor([1, 2, 3, 4])
b = torch.tensor([4, 5, 6])
x, y = torch.meshgrid(a, b,indexing='ij')
print:tensor([[1, 1, 1],
[2, 2, 2],
[3, 3, 3],
[4, 4, 4]])
tensor([[4, 5, 6],
[4, 5, 6],
[4, 5, 6],
[4, 5, 6]])
x, y = torch.meshgrid(a, b,indexing='xy')
print:tensor([[1, 2, 3, 4],
[1, 2, 3, 4],
[1, 2, 3, 4]])
tensor([[4, 4, 4, 4],
[5, 5, 5, 5],
[6, 6, 6, 6]])
"""
# 对比上面例子，假设center_h=tensor([0.5,1.5...511.5])(实际上是0-1的值，这里为了简单理解写成这样)
# 则shift_y=tensor([0.5,0.5..],[1.5,1.5,...],...[511.5,511.5...])
shift_y, shift_x = torch.meshgrid(center_h, center_w, indexing='ij')
# 将shift展平成一维序列，用上述的例子则shift_y为tensor([0.5,0.5...511.5,511.5])
shift_y, shift_x = shift_y.reshape(-1), shift_x.reshape(-1)
# 宽=h*s*sqrt(r)
# 由于锚框只考虑s1和r1的组合，r1组合就是size_tensor * torch.sqrt(ratio_tensor[0])，s1组合就是sizes[0] * torch.sqrt(ratio_tensor[1:])
# 此处要乘上in_height / in_width是因为，假设此时ratios宽高比为1，那么默认w=h，但是实际上ratios代表与原图宽高比一致，举个例子
# 假设原图1000*10，那么当ratios为1时，此时w=h，而我们需要的是w/h = 1000/10，所以需要乘上in_height / in_width来与原尺寸保持一致
w = torch.cat((size_tensor * torch.sqrt(ratio_tensor[0]),
sizes[0] * torch.sqrt(ratio_tensor[1:])))\
* in_height / in_width # 处理矩形输入
h = torch.cat((size_tensor / torch.sqrt(ratio_tensor[0]),
sizes[0] / torch.sqrt(ratio_tensor[1:])))
# 除以2来获得半高和半宽
# 每一行(-w, -h, w, h)对应一个锚框一个锚框的左上角偏差和右下角偏差
anchor_manipulations = torch.stack((-w, -h, w, h)).T.repeat(
in_height * in_width, 1) / 2
# 每个中心点都将有boxes_per_pixel=(n+m-1)个锚框，
# 形状：（w*h*(n+m-1)， 4）
out_grid = torch.stack([shift_x, shift_y, shift_x, shift_y],
dim=1).repeat_interleave(boxes_per_pixel, dim=0)
output = out_grid + anchor_manipulations
# 添加一个维度
return output.unsqueeze(0)
img = d2l.plt.imread('../data/img/catdog.jpg')
h, w = img.shape[:2] # (1080, 1920)
X = torch.rand(size=(1, 3, h, w))
Y = multibox_prior(X, sizes=[0.75, 0.5, 0.25], ratios=[1, 2, 0.5])
print(Y.shape)# 即将Y变成（高，宽，以同一像素点为中心的锚框数，4）
# 每个锚框有四个元素（锚框的左上角x，y坐标和锚框右下角的x，y坐标）
# n+m-1=3+3-1=5
boxes = Y.reshape(h, w, 5, 4)
# 访问以（250，250）为中心的第一个锚框
boxes[250, 250, 0, :]# 显示以某个像素点为中心的所有锚框
"""
params:
axes:图像坐标
bboxes：某个像素点中心坐标
labels：显示文本，例如s=0.2,r=1
colors：锚框的颜色
"""
def show_bboxes(axes, bboxes, labels=None, colors=None):
"""显示所有边界框"""
def _make_list(obj, default_values=None):
if obj is None:
obj = default_values
elif not isinstance(obj, (list, tuple)):
obj = [obj]
return obj
labels = _make_list(labels)
colors = _make_list(colors, ['b', 'g', 'r', 'm', 'c'])
for i, bbox in enumerate(bboxes):
color = colors[i % len(colors)]
# bbox_to_rect将边界框(左上x,左上y,右下x,右下y)格式转换成matplotlib格式：
# ((左上x,左上y),宽,高)
rect = d2l.bbox_to_rect(bbox.detach().numpy(), color)
axes.add_patch(rect)
if labels and len(labels) > i:
text_color = 'k' if color == 'w' else 'w'
axes.text(rect.xy[0], rect.xy[1], labels[i],
va='center', ha='center', fontsize=9, color=text_color,
bbox=dict(facecolor=color, lw=0))
d2l.set_figsize()
bbox_scale = torch.tensor((w, h, w, h))
fig = d2l.plt.imshow(img)
show_bboxes(fig.axes, boxes[750, 750, :, :] * bbox_scale,
['s=0.75, r=1', 's=0.5, r=1', 's=0.25, r=1', 's=0.75, r=2',
's=0.75, r=0.5'])# 衡量锚框与真实框之间或者锚框与锚框之间的相似度，即A∩B/A∪B
def box_iou(boxes1, boxes2):
"""计算两个锚框或边界框列表中成对的交并比"""
box_area = lambda boxes: ((boxes[:, 2] - boxes[:, 0]) *
(boxes[:, 3] - boxes[:, 1]))
# boxes1,boxes2,areas1,areas2的形状:
# boxes1：(boxes1的数量,4),
# boxes2：(boxes2的数量,4),
# areas1：(boxes1的数量,),
# areas2：(boxes2的数量,)
areas1 = box_area(boxes1)
areas2 = box_area(boxes2)
# inter_upperlefts,inter_lowerrights,inters的形状:
# (boxes1的数量,boxes2的数量,2)
inter_upperlefts = torch.max(boxes1[:, None, :2], boxes2[:, :2])
inter_lowerrights = torch.min(boxes1[:, None, 2:], boxes2[:, 2:])
inters = (inter_lowerrights - inter_upperlefts).clamp(min=0)
# inter_areasandunion_areas的形状:(boxes1的数量,boxes2的数量)
inter_areas = inters[:, :, 0] * inters[:, :, 1]
union_areas = areas1[:, None] + areas2 - inter_areas
return inter_areas / union_areas
# 将最接近的真实边界框分配给锚框
# iou_threshold：阈值
def assign_anchor_to_bbox(ground_truth, anchors, device, iou_threshold=0.5):
# num_anchors=na num_gt_boxes=nb
num_anchors, num_gt_boxes = anchors.shape[0], ground_truth.shape[0]
# 位于第i行和第j列的元素x_ij是锚框i和真实边界框j的IoU
jaccard = box_iou(anchors, ground_truth)
# 对于每个锚框，分配的真实边界框的张量，初始值为-1
anchors_bbox_map = torch.full((num_anchors,), -1, dtype=torch.long,
device=device)
# 找到每一行中最大交并比的ground_truth和anchors索引号
max_ious, indices = torch.max(jaccard, dim=1)
# 找到剩余交并比大于阈值的索引号
anc_i = torch.nonzero(max_ious >= iou_threshold).reshape(-1)
box_j = indices[max_ious >= iou_threshold]
anchors_bbox_map[anc_i] = box_j
# 删去这些索引行和列
col_discard = torch.full((num_anchors,), -1)
row_discard = torch.full((num_gt_boxes,), -1)
for _ in range(num_gt_boxes):
max_idx = torch.argmax(jaccard)
box_idx = (max_idx % num_gt_boxes).long()
anc_idx = (max_idx / num_gt_boxes).long()
anchors_bbox_map[anc_idx] = box_idx
jaccard[:, box_idx] = col_discard
jaccard[anc_idx, :] = row_discard
return anchors_bbox_map
#@save
def offset_boxes(anchors, assigned_bb, eps=1e-6):
"""对锚框偏移量的转换"""
c_anc = d2l.box_corner_to_center(anchors)
c_assigned_bb = d2l.box_corner_to_center(assigned_bb)
offset_xy = 10 * (c_assigned_bb[:, :2] - c_anc[:, :2]) / c_anc[:, 2:]
offset_wh = 5 * torch.log(eps + c_assigned_bb[:, 2:] / c_anc[:, 2:])
offset = torch.cat([offset_xy, offset_wh], axis=1)
return offset
#@save
def multibox_target(anchors, labels):
"""使用真实边界框标记锚框"""
batch_size, anchors = labels.shape[0], anchors.squeeze(0)
batch_offset, batch_mask, batch_class_labels = [], [], []
device, num_anchors = anchors.device, anchors.shape[0]
for i in range(batch_size):
label = labels[i, :, :]
anchors_bbox_map = assign_anchor_to_bbox(
label[:, 1:], anchors, device)
bbox_mask = ((anchors_bbox_map >= 0).float().unsqueeze(-1)).repeat(
1, 4)
# 将类标签和分配的边界框坐标初始化为零
class_labels = torch.zeros(num_anchors, dtype=torch.long,
device=device)
assigned_bb = torch.zeros((num_anchors, 4), dtype=torch.float32,
device=device)
# 使用真实边界框来标记锚框的类别。
# 如果一个锚框没有被分配，标记其为背景（值为零）
indices_true = torch.nonzero(anchors_bbox_map >= 0)
bb_idx = anchors_bbox_map[indices_true]
class_labels[indices_true] = label[bb_idx, 0].long() + 1
assigned_bb[indices_true] = label[bb_idx, 1:]
# 偏移量转换
offset = offset_boxes(anchors, assigned_bb) * bbox_mask
batch_offset.append(offset.reshape(-1))
batch_mask.append(bbox_mask.reshape(-1))
batch_class_labels.append(class_labels)
bbox_offset = torch.stack(batch_offset)
bbox_mask = torch.stack(batch_mask)
class_labels = torch.stack(batch_class_labels)
return (bbox_offset, bbox_mask, class_labels)
ground_truth = torch.tensor([[0, 0.1, 0.08, 0.52, 0.92],
[1, 0.55, 0.2, 0.9, 0.88]])
anchors = torch.tensor([[0, 0.1, 0.2, 0.3], [0.15, 0.2, 0.4, 0.4],
[0.63, 0.05, 0.88, 0.98], [0.66, 0.45, 0.8, 0.8],
[0.57, 0.3, 0.92, 0.9]])
13.5 多尺度目标检测
首先锚框是在图像的每个像素点设立n+m-1个锚框，如果图像尺寸很大的话，会造成数据爆炸。这个小节介绍了在输入图像中均匀采样一小部分像素点。
用卷积层的输出即特征图来设立锚框，设立特征图的每个像素点为锚框中心，对任意图像的特征图（w，h）中的像素进行采样，以这些均匀采样的像素为中心。
def display_anchors(fmap_w, fmap_h, s):
d2l.set_figsize()
# 前两个维度上的值不影响输出
fmap = torch.zeros((10, 100, fmap_h, fmap_w))
anchors = d2l.multibox_prior(fmap, sizes=s, ratios=[1, 2, 0.5])
bbox_scale = torch.tensor((w, h, w, h))
d2l.show_bboxes(d2l.plt.imshow(img).axes,
anchors[0] * bbox_scale)
扫一扫
8万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
