5be5db21创建于 10 天前历史提交

文件	最后提交记录	最后更新时间
docs	【bugfix】修复文档问题	15 天前
examples	修复RoiPoolingWithArgMax的Roi问题及校验	2 个月前
op_api	修复RoiPoolingWithArgMax的Roi问题及校验	2 个月前
op_host	【bugfix】添加cv的kernel ut	1 个月前
op_kernel	【bugfix】simt写法改为simtC风格	30 天前
tests	【bugfix】simt写法改为simtC风格	30 天前
CMakeLists.txt	新增RoiPoolingWithArgmax算子支持950	3 个月前
README.md	修正RoiPoolingWithArgMax的产品支持情况	10 天前

RoiPoolingWithArgMax

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	×
Atlas 训练系列产品	√

功能说明

算子功能：对输入特征图按 ROI（感兴趣区域）进行池化，在每个 ROI 内按空间划分为 pooled_h × pooled_w 个格子，对每个格子做最大池化，并输出池化结果及最大值在通道内的一维索引（argmax）。

计算公式：

输入特征图 $x$ 的 shape 为 $(N, C, H, W)$ ，ROI 张量 $rois\text{rois}$ 的 shape 为 $(num_rois,5)(\text{num\_rois}, 5)$ ，每行表示 $b_n, x_1, y_1, x_2, y_2)$ 。标量参数为 $s_h$ 、 $s_w$ （spatial_scale）以及 $pooled_h\text{pooled\_h}$ 、 $pooled_w\text{pooled\_w}$ 。下标 $n$ 表示 ROI 索引， $c$ 表示通道， $(ph,pw)(\text{ph}, \text{pw})$ 表示池化格点。

ROI 映射到特征图：将 ROI 坐标乘以 spatial_scale 得到特征图上的浮点区间：
$x~1=x1sw,y~1=y1sh,x~2=(x2+1)sw,y~2=(y2+1)sh\tilde{x}_1 = x_1 s_w,\quad \tilde{y}_1 = y_1 s_h,\quad \tilde{x}_2 = (x_2+1)s_w,\quad \tilde{y}_2 = (y_2+1)s_h$ $Wroi=x~2−x~1,Hroi=y~2−y~1W_{\text{roi}} = \tilde{x}_2 - \tilde{x}_1,\qquad H_{\text{roi}} = \tilde{y}_2 - \tilde{y}_1$
若 $Wroi≤0W_{\text{roi}} \le 0$ 或 $Hroi≤0H_{\text{roi}} \le 0$ ，该 ROI 的 $y$ 全为 0， $argmax\text{argmax}$ 全为 -1。
Bin 步长与区间：每个池化格 (ph, pw) 对应 ROI 内一个 bin，步长与浮点区间为：
$Δw=Wroipooled_w,Δh=Hroipooled_h\Delta w = \frac{W_{\text{roi}}}{\text{pooled\_w}},\qquad \Delta h = \frac{H_{\text{roi}}}{\text{pooled\_h}}$ $w~1=pw⋅Δw+x~1,w~2=(pw+1)⋅Δw+x~1\tilde{w}_1 = \text{pw} \cdot \Delta w + \tilde{x}_1,\quad \tilde{w}_2 = (\text{pw}+1) \cdot \Delta w + \tilde{x}_1$ $h~1=ph⋅Δh+y~1,h~2=(ph+1)⋅Δh+y~1\tilde{h}_1 = \text{ph} \cdot \Delta h + \tilde{y}_1,\quad \tilde{h}_2 = (\text{ph}+1) \cdot \Delta h + \tilde{y}_1$
取整并裁剪到 $\times [0,H)$ ：
$W)w_1 = \text{clip}(\lfloor\tilde{w}_1\rfloor,\, 0,\, W),\quad w_2 = \text{clip}(\lceil\tilde{w}_2\rceil,\, 0,\, W)$ $H)h_1 = \text{clip}(\lfloor\tilde{h}_1\rfloor,\, 0,\, H),\quad h_2 = \text{clip}(\lceil\tilde{h}_2\rceil,\, 0,\, H)$
其中 $clip(a,l,u)=min⁡(max⁡(a,l),u)\text{clip}(a,l,u) = \min(\max(a,l), u)$ 。若 $w2≤w1w_2 \le w_1$ 或 $h2≤h1h_2 \le h_1$ ，该 bin 为空： $y = 0$ ， $argmax=−1\text{argmax}=-1$ 。
池化输出与 Argmax：记 $\text{rois}[n,0]$ ，bin 区域 $\{(h,w) : h_1 \le h < h_2,\, w_1 \le w < w_2\}$ ，则
$y[n,c,ph,pw]=max⁡(h,w)∈Rx[b,c,h,w]y[n,c,\text{ph},\text{pw}] = \max_{(h,w) \in R} x[b,c,h,w]$
（空 $R$ 时为 0。）
$argmax[n,c,ph,pw]=h∗W+w∗\text{argmax}[n,c,\text{ph},\text{pw}] = h^* W + w^*$
$h^*, w^*)$ 为 bin 内最大值位置（多解取第一个）；空 $R$ 为 -1。

输出 Shape：

输出	Shape	数据类型
$y$	$(num_rois, C, pooled_h, pooled_w)(\text{num\_rois},\, C,\, \text{pooled\_h},\, \text{pooled\_w})$	与 $x$ 一致
$argmax\text{argmax}$	同上	INT32

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	输入特征图。	FLOAT32、FLOAT16	ND
rois	输入	ROI边界框。	FLOAT32、FLOAT16	ND
roi_actual_num	可选输入	指定每个batch的ROI数量。	INT32	ND
pooled_h	属性	指定池化率的高。	INT	-
pooled_w	属性	指定池化率的宽。	INT	-
spatial_scale_h	属性	输入坐标的高映射到ROI坐标的缩放比例。	FLOAT32	-
spatial_scale_w	属性	输入坐标的宽映射到ROI坐标的缩放比例。	FLOAT32	-
pool_channel	属性	指定池化的通道数。	INT	-
y	输出	池化结果。	FLOAT32、FLOAT16	ND
argmax	输出	每个池化格点最大值在通道内的线性偏移索引。	INT32	ND

约束说明

x、rois、y、argmax 的数据类型或格式在支持的范围之内。
x 的 shape 是 4 维（NCHW）。
rois 的 shape 第二维是 5。
pooled_h、pooled_w、spatial_scale_h、spatial_scale_w 大于 0。
x、argmax、rois的shape[0]相等。
rois.shape[0]、x.shape[0]小于等于1024。
x.shape[1]等于pool_channel。
x.shape[1]为16的倍数。
rois.shape[0]等于roi_actual_num。

调用说明

调用方式	样例代码	说明
aclnn接口	test_aclnn_roi_pooling_with_arg_max	通过aclnnRoiPoolingWithArgMax接口方式调用RoiPoolingWithArgMax算子。