关于vl_nnloss中类别标签到索引的转换

下面是基于MatConvNet框架的vl_nnloss中类别标签到索引的转换的代码实现：

在上述代码中，

Line 218 表示获取每个通道的像素数，inputSize(1:2)表示获取每个通道的 Feature Map或Score Map的Size（height and width）大小；

Line 219 表示获取一个batch的像素个数，其中inputSize(4)表示batch大小；

Line 220 表示获取所有通道总的像素数，其中inputSize(3)表示通道数（channel）；

Line 222 表示把一个batch的像素数的索引表示成 labelSize，其中

labelSize = [size(c,1) size(c,2) size(c,3) size(c,4)] ; 其中c表示类别标签，是个四维的张量；

inputSize = [size(x,1) size(x,2) size(x,3) size(x,4)] ; 其中x表示the prediction scores x given the categorical labels c；

Line 223 的结果按理论推测，当inputSize(4)=1，也就是当batch或SubBatch等于1时，可以直接在Line 222一步完成，即：

offset = reshape(1:numPixels, labelSize) ;

示例：

A = randn(16,16,3);

B= reshape(1:256, [16 16]);

则：

C = A(B)即获取A(:,:,1)。

B = B + 256*ones(16,16)，则C=A(B)即获取A(:,:,2)。

如果inputSize(4)不等于1，则如Line 223所示；此时：

n = reshape(0:numPixels-1,labelSize) ;

offset_pre = 1 + mod(n, numPixelsPerImage)；

是为了把offset均clip在1：numPixelsPerImage之间，并且offset_pre(:, :, :, 1), ..., offset_pre(:, :, :, batch)均相等，然后利用

fix(n / numPixelsPerImage)定位inputSize(4)，也就是batch中哪一张图片，而一个batch中的一张图片对应的总像素数为

imageVolume = numPixelsPerImage * inputSize(3) ;

故 Line 225可以索引到一个batch中一张图片的每个通道的Feature Map或Score Map的Spatial Location，此矩阵化操作避免了循环定位Spatial Location，加快了运行速度。