ROIPooling

输入

x:
- 是否必填: 必填
- 数据类型: float16、float32
- 参数解释: 输入feature Map[batch,C,H,W]
- 规格限制: h和w随着pooled_h/pooled_w取值不同，其范围也不相同:
  1. pooled_h=pooled_w:2,17,h和w<=50
  2. pooled_h=pooled_w:4,5,10-16,h和w<=70
  3. pooled_h=pooled_w:7,8,h和w<=80
  4. pooled_h=pooled_w:3,h和w<=60
  5. pooled_h=pooled_w:18-20, h和w<=40

rois:
- 是否必填: 必填
- 数据类型: float16、float32
- 参数解释: ROIS的输入[batch,5,N]，其中N表示所有Batch中最大roi框的个数向上16对齐后的值
   例如: 其中某个Batch对应的roi框个数为最大，且值为17，则N=32。N<=6000
- 规格限制:
  - 默认值: float16
  - 使用约束:
    - 每次在填充数据前请先对该内存块执行清零操作
    - roi数据输入给ROIPooling算子前，要先执行clip操作，即需要保证roi的坐标在feature Map的宽高范围内，然后再输入给ROIPooling算子，否则超出feature Map范围的roi框，对应的结果可能会和CPU结果不一致

roi_actual_num:
- 是否必填: 非必填
- 数据类型: int
- 参数解释: Tensor的Shape为[batch,8]，其中8表示8列数中只有第一列有效（为满足性能加速，进行数据对齐，后面7列数字是补齐的无效数据），表示每个batch实际的rois数量
   例如，Shape为[4,8]，其中只有首列表示有效数据，存放每个batch的rois数量
  
  [0,0]...[0,7]
  
  [1,0]...[1,7]
  
  [2,0]...[2,7]
  
  [3,0]...[3,7]
- 规格限制:
  默认值: int32
  
  使用约束: 如不使用该参数，则推理过程中按rois中的N执行，如使用该参数，则推理过程中按roi_actual_num中的实际roi框个数执行

属性

pooled_h:
- 是否必填: 必填
- 数据类型: int
- 参数解释: roi_pooling的高，必须大于0
- 规格限制: [2,20]

pooled_w:
- 是否必填: 必填
- 数据类型: int
- 参数解释: roi_pooling的宽，必须大于0
- 规格限制: [2,20]

spatial_scale:
- 是否必填: 非必填
- 数据类型: float
- 参数解释: rois映射到原始Feature Map的缩放比例系数，如果有spatial_scale_h和spatial_scale_w，则以spatial_scale_h和spatial_scale_w为准，如果不提供spatial_scale_h和spatial_scale_w，则在Caffe插件中把spatial_scale转换为spatial_scale_h和spatial_scale_w
- 规格限制: 无

spatial_scale_h:
- 是否必填: 非必填
- 数据类型: float
- 参数解释: rois映射到原始Feature Map的高缩放比例系数，默认值为0.0625
- 规格限制: 无

spatial_scale_w:
- 是否必填: 非必填
- 数据类型: float
- 参数解释: rois映射到原始Feature Map的宽缩放比例系数，默认值为0.0625
- 规格限制: 无

输出

y:

是否必填: 必填
数据类型: float16、float32
参数解释: 从feature map中根据rois的坐标crop出对应部分后，再根据输出size的配置进行max pooling[batch*N,C,pooled_h,pooled_w]
规格限制: 无

父主题： 支持Caffe算子清单