1、Tensor維度變換

1)Flatten

作用：將輸入tensor中從start_axis維度到end_axis維度合并為1維

2)Reshape

作用：將輸入Tensor描述轉(zhuǎn)換為新的shape

3)FreespaceExtract

作用：將h維變成1，其他維度不變，從而完成對h的采樣，采樣值所在位置由輸入的index參數(shù)決定

4)Pack

作用：Pack算子為TensorFlow原生算子，最新的版本已經(jīng)改名為：Stack。該算子以指定的軸axis，將一個(gè)維度為R的張量數(shù)組轉(zhuǎn)變成一個(gè)維度為R+1的張量。

5)Pad

作用：進(jìn)行數(shù)據(jù)擴(kuò)充

6)Permute

作用：調(diào)整Tensor的輸入維度順序

7)ShuffleChannel

作用：調(diào)整C維的排序

使用網(wǎng)絡(luò)：ShuffleNet

8)Title

作用：將輸入數(shù)據(jù)在每個(gè)維度上復(fù)制指定次數(shù)來生成輸出數(shù)據(jù)

2、Tensor單個(gè)元素運(yùn)算

1)Rsqrt

公式：y = 1 / sqrt{x}

2)Scale

公式：y(x)=scale*x+bias

3)AbsVal

公式：y(x)=|x|

4)Power

公式：f(x)= (scale * x + shift) ^ power

3、分類

Softmax

公式：

作用：通常作為分類網(wǎng)絡(luò)的最后一層，輸出每類的概率

4、畫框

1)ClipBoxes

作用：將輸入的框坐標(biāo)限制在[0,img_w-1]和[0,img_h-1]之間。

2)DecodeBoxes

作用：將輸入框的長寬坐標(biāo)轉(zhuǎn)換為描點(diǎn)坐標(biāo)(框中心點(diǎn)坐標(biāo)和長寬)，然后進(jìn)行修正，修正后再替換回長寬坐標(biāo)

3)DetectPostProcess

作用：

(1)對輸入的框進(jìn)行修正；

(2)按照得分進(jìn)行排序；

(3)使用NMS進(jìn)行過濾；

(4)每個(gè)分類取前N個(gè)框輸出。

4)FasterRcnnPredictions

作用：獲取得分最高的N個(gè)框，需要進(jìn)行NMS處理。

使用網(wǎng)絡(luò)：MaskRcnn

5)FSRDectionOutput

作用：獲取得分最高的N個(gè)框，需要進(jìn)行NMS處理

輸入數(shù)據(jù)：每個(gè)分類的得分?jǐn)?shù)據(jù)、roi坐標(biāo)、roi偏移、feature map的長和寬

使用網(wǎng)絡(luò)：FasterRcnn

6)GenerateRPNProposals

作用：根據(jù)輸入rois坐標(biāo)和得分，輸出排序和NMS處理后的前N個(gè)框，框坐標(biāo)形式為左上角和右下角

使用網(wǎng)絡(luò)：Mask Rcnn

7)Proposal

作用：根據(jù)錨點(diǎn)前后得分、錨點(diǎn)偏移、原始圖片的長寬縮放，來獲取得分最高的N個(gè)預(yù)選框；

特點(diǎn)：對特征圖上的每個(gè)點(diǎn)，生成scale*ratio個(gè)固定大小的窗口；即候選窗口是該算子生成的。

8)SsdDetectionOutput

作用：用來生成預(yù)測框相對原圖的真實(shí)坐標(biāo)，并對所有預(yù)測框進(jìn)行過濾，得到最終物體檢測的結(jié)果。輸出的每個(gè)預(yù)測框的信息包括image id ,lable, confidence以及四個(gè)坐標(biāo)值。

使用網(wǎng)絡(luò)：SSD

8)SsdPriorBox

作用：生成預(yù)選框

使用網(wǎng)絡(luò)：SSD

5、拼接

Concat：實(shí)現(xiàn)多個(gè)算子的拼接

6、旋轉(zhuǎn)/縮放/平移/剪切

spatial transform

參考：https://blog.csdn.net/qq_39422642/article/details/78870629

作用：在CNN之前對feature map進(jìn)行旋轉(zhuǎn)、縮放、平移、剪切等操作

使用網(wǎng)絡(luò)：Spatial Transformer Networks(STN)

————————————————

版權(quán)聲明：本文為CSDN博主「gapostal」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/zhuhaodonglei/article/details/100014178

總結(jié)

以上是生活随笔為你收集整理的stn算子_深度学习常用算子（二）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。