ROIPooling

产品支持情况

产品	是否支持
Ascend 950PR&950DT系列产品	√
Atlas A3系列产品	√
Atlas A2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（Region of Interest）区域进行最大池化，输出固定尺寸的池化结果，用于目标检测等任务。

• 计算公式：

对每个ROI n（rois[n] = [batch_idx, x1, y1, x2, y2]）、通道c、池化位置(ph,pw)：

1. ROI坐标映射（使用分离的h/w缩放因子，roundf取整为int，终点坐标无+1偏移）：

$${\text{roi\_start}}_w=\text{round}(x1\cdot \text{spatial\_scale\_w}),{\text{roi\_start}}_h=\text{round}(y1\cdot \text{spatial\_scale\_h})$$

$${\text{roi\_end}}_w=\text{round}(x2\cdot \text{spatial\_scale\_w}),{\text{roi\_end}}_h=\text{round}(y2\cdot \text{spatial\_scale\_h})$$

以上坐标均为整数（int类型），+1偏移在ROI尺寸上（见下），不在坐标上。

2. ROI尺寸（int运算，+1在宽度/高度上，malformed ROI强制非空）：

$$\text{roi\_w}=\max ({\text{roi\_end}}_w-{\text{roi\_start}}_w+1,1),\text{roi\_h}=\max ({\text{roi\_end}}_h-{\text{roi\_start}}_h+1,1)$$

3. Bin切分与边界裁剪（bin_size为float，基于int的roi_w/roi_h）：

$${\text{bin\_size}}_w=\frac{\text{roi\_w}}{\text{pooled\_w}},{\text{bin\_size}}_h=\frac{\text{roi\_h}}{\text{pooled\_h}}$$

$${\text{bin}}_{x1}=\text{clamp}(\lfloor pw\cdot {\text{bin\_size}}_w\rfloor +{\text{roi\_start}}_w,0,W)$$

$${\text{bin}}_{x2}=\text{clamp}(\lceil (pw+1)\cdot {\text{bin\_size}}_w\rceil +{\text{roi\_start}}_w,0,W)$$

（y方向同理，clamp到[0, H]）

floor/ceil基于相对偏移（不含roi_start），再加整数roi_start。

4. Max Pooling（空bin输出0）：

$$y[n,c,ph,pw]=\{\begin{array}{ll}0& \text{if }{\text{bin}}_{x2}\le {\text{bin}}_{x1}\text{ or }{\text{bin}}_{y2}\le {\text{bin}}_{y1}\\ {\max }_{h,w\in [{\text{bin}}_{y1},{\text{bin}}_{y2})\times [{\text{bin}}_{x1},{\text{bin}}_{x2})}x[\text{batch\_idx},c,h,w]& \text{otherwise}\end{array}$$

其中+1偏移在ROI尺寸上（roi_width = roi_end - roi_start + 1），是ROI Pooling通用标准（源自Fast R-CNN）

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	特征图，shape为[N,C,H,W]，公式中的x。	FLOAT、FLOAT16	ND
rois	输入	ROI框，shape为[K,5]，每行为[batch_idx,x1,y1,x2,y2]。	FLOAT、FLOAT16	ND
roi_actual_num	输入	每个batch的实际ROI数量，可选输入，当前版本不参与计算。	INT32	ND
y	输出	池化结果，shape为[K,C,pooled_h,pooled_w]，公式中的y。	FLOAT、FLOAT16	ND
pooled_h	属性	池化输出高度。	Int	-
pooled_w	属性	池化输出宽度。	Int	-
spatial_scale_h	属性	高度方向缩放因子。	Float	-
spatial_scale_w	属性	宽度方向缩放因子。	Float	-

约束说明

• 输入x仅支持4维[N,C,H,W]。
• 输入rois仅支持2维[K,5]，每行为[batch_idx,x1,y1,x2,y2]。
• roi_actual_num为可选输入，当前版本不参与计算。
• pooled_h和pooled_w必须大于0。
• spatial_scale_h和spatial_scale_w必须大于0。
• x与rois的dtype必须一致。
• 输出y的shape为[K,C,pooled_h,pooled_w]。
• ROI坐标用roundf取整为int，+1偏移在ROI尺寸上（roi_width = roi_end - roi_start + 1）。
• malformed ROI强制非空，roi_size取max(size,1)（int运算）。
• 空bin输出0。

调用说明

调用方式	调用样例	说明
图模式调用	test_geir_roi_pooling	参见算子调用完成算子编译和验证。