【pytorch】ops.roi_align 参数解析

RoIAlign 介绍

RoIAlign 用于将任意尺寸感兴趣区域的特征图，都转换为具有固定尺寸 H×W 的小特征图。
其方法原理参考博客：https://blog.youkuaiyun.com/Bit_Coders/article/details/121203584

ops.roi_align 参数介绍

ops.roi_align是一种在计算机视觉中常用的操作，用于将感兴趣区域 (Region of Interest, ROI) 对齐到固定大小的特征图上。该操作通常用于目标检测、目标识别和姿态估计等任务中。它在torchvision做成了一个接口：

1.输入参数：

• input：输入特征图，形状为 (N, C, H, W)，其中 N 是批量大小，C 是通道数，H 是特征图的高度，W 是特征图的宽度。
• rois：感兴趣区域的坐标，形状为 (R, 5)，其中 R 是感兴趣区域的数量。每个感兴趣区域由 [batch_index, x1, y1, x2, y2] 组成，其中 batch_index 是感兴趣区域所属的批量索引，(x1, y1) 是感兴趣区域左上角的坐标，(x2, y2) 是感兴趣区域右下角的坐标。
• output_size：输出特征图的大小，形状为 (oh, ow)，其中 oh 是输出特征图的高度，ow 是输出特征图的宽度。

2.可选参数：

• spatial_scale：感兴趣区域相对于输入特征图的缩放比例。默认为 1.0（和output_size功能相同，两个参数指定一个即可）。

• sampling_ratio：ROI池化操作的采样比率。默认为 -1，表示使用自适应采样。
  输出：

• output：对齐后的感兴趣区域特征图，形状为 (R, C, oh, ow)，其中 R 是感兴趣区域的数量，C 是通道数，oh 是输出特征图的高度，ow 是输出特征图的宽度。

总结来说，ops.roi_align 是将输入特征图中的感兴趣区域按照给定的输出大小进行对齐操作（把input通过roi对齐为output_size或者spatial_scale的格式大小），输出对齐后的感兴趣区域特征图。通过调整参数，可以控制感兴趣区域的尺寸和对齐方式，从而适应不同的视觉任务需求。

应用举例

比如我在应用中：

feat_aligned=ops.roi_align(seg_logits_tem.unsqueeze(0),boxes[i].float(),(int(h_c/8),int(w_c/8))) 

作用是将输入的 seg_logits_tem.unsqueeze(0) 特征图中的感兴趣区域 boxes[i] 对齐到输出大小为 (int(h_c/8), int(w_c/8)) 的特征图上。