FCOS难点记录
FCOS 中有计算 特征图（Feature map中的每个特征点到gt_box的左、上、右、下的距离）
1、特征点到gt_box框的 左、上、右、下距离计算
x = coords[:, 0] # h*w，2 即 第一列
y = coords[:, 1]
l_off = x[None, :, None] - gt_boxes[..., 0][:, None, :] # [1,h*w,1]-[batch_size,1,m]-->[batch_size,h*w,m]
t_off = y[None, :, None] - gt_boxes[..., 1][:, None, :]
r_off = gt_boxes[..., 2][:, None, :] - x[None, :, None]
b_off = gt_boxes[..., 3][:, None, :] - y[None, :, None]
ltrb_off = torch.stack([l_off, t_off, r_off, b_off], dim=-1) # [batch_size,h*w,m,4]
areas = (ltrb_off[..., 0] + ltrb_off[..., 2]) * (ltrb_off[..., 1] + ltrb_off[..., 3]) # [batch_size,h*w,m]
off_min = torch.min(ltrb_off, dim=-1)[0] # [batch_size,h*w,m]
off_max = torch.max(ltrb_off, dim=-1)[0] # [batch_size,h*w,m]
根据上边的画的图可以看出，假设对应的 feature map 大小为 2x2，stride=4，原始图片为8x8。将特征图中的每个特征点映射回去，可以得到相应的 4个（h*w个）坐标。对应图中的 红色a，绿色b，黄色c和蓝色d的点。
print(x,"\n",y,x.shape)
'''
tensor([2., 6., 2., 6.])
tensor([2., 2., 6., 6.]) torch.Size([4])
'''
print(x[None,:,None]) # [1,4,1]
'''
tensor([[[2.],
[6.],
[2.],
[6.]]])
'''
print(gt_boxes） # [1,2,4] batch=1, 两个框，每个框左上角和右下角坐标
'''
tensor([[[5, 4, 7, 6],
[1, 1, 4, 6]]])
'''
print(gt_boxes[...,0],gt_boxes[...,0][:,None,:])
'''
tensor([[5, 1]]) tensor([[[5, 1]]])
'''
l_off = [2,2]-[5,1]=[-3,1] 以此类推
print(l_off,"\n", l_off.shape)
'''
**第一列代表，所有的点abcd横坐标与第一个框的左边偏移量。第二列代表到第二个框的偏移量**
tensor([[[-3., 1.],
[ 1., 5.],
[-3., 1.],
[ 1., 5.]]])
torch.Size([1, 4, 2])
'''
print(ltrb_off)
'''
第一列代表，所有的投影点abcd,到两个框的左边偏移量。第一行第二行分别代表两个框。
tensor([[[[-3., -2., 5., 4.], # a 点到第一个框的左边、上边、右边、下边的偏移
[ 1., 1., 2., 4.]], # a 点到第二框的左边、上边、右边、下边的偏移
[[ 1., -2., 1., 4.], # b 点到第一个框的左边、上边、右边、下边的偏移
[ 5., 1., -2., 4.]],
[[-3., 2., 5., 0.],
[ 1., 5., 2., 0.]],
[[ 1., 2., 1., 0.],
[ 5., 5., -2., 0.]]]]) torch.Size([1, 4, 2, 4]) #[batch_size,h*w,m,4]
'''
print(ltrb_off[...,0])
'''
tensor([[[-3., 1.],
[ 1., 5.],
[-3., 1.],
[ 1., 5.]]]) torch.Size([1, 4, 2])
'''
print(areas)
'''
areas: tensor([[[ 4., 15.],
[ 4., 15.],
[ 4., 15.],
[ 4., 15.]]])
'''
torch.return_types.min(
values=tensor([[[-3., 1.],
[-2., -2.],
[-3., 0.],
[ 0., -2.]]]),
indices=tensor([[[0, 0],
[1, 2],
[0, 3],
[3, 2]]]))
torch.return_types.max(
values=tensor([[[5., 4.],
[4., 5.],
[5., 5.],
[2., 5.]]]),
indices=tensor([[[2, 3],
[3, 0],
[2, 1],
[1, 0]]]))
2、确定该特征点在哪一个框内，是否在该FPN特征层进行尺寸判断并进行后续预测
off_min = torch.min(ltrb_off, dim=-1)[0] # [batch_size,h*w,m] # off_min 找出所有 特征点 到 每个框的 四条边 最小的距离
off_max = torch.max(ltrb_off, dim=-1)[0] # [batch_size,h*w,m] #off_max 找出所有 特征点 到 每个框的 四条边 最大的距离
mask_in_gtboxes = off_min > 0
mask_in_level = (off_max > limit_range[0]) & (off_max <= limit_range[1]) # 锁定在这个limit range上的所有的特征的点
print("ltrf_off",ltrb_off)
print("off_min",off_min,"\n","off_max",off_max)
print("mask_in_gtboxes-->",mask_in_gtboxes)
print("mask_in_level-->",mask_in_level)
'''
ltrf_off tensor([[[[-3., -2., 5., 4.], # a 点到第一个框的左边、上边、右边、下边的偏移
[ 1., 1., 2., 4.]], # a 点到第二个框的左边、上边、右边、下边的偏移
[[ 1., -2., 1., 4.], # b 点到第一个框的左边、上边、右边、下边的偏移
[ 5., 1., -2., 4.]],
[[-3., 2., 5., 0.],
[ 1., 5., 2., 0.]],
[[ 1., 2., 1., 0.],
[ 5., 5., -2., 0.]]]])
off_min
tensor([[[-3., 1.], # a点到第一个框最小距离-3， a点到第二个框的最小偏移距离 1
[-2., -2.], #b点到第一个框最小距离-2， b点到第二个框的最小偏移距离 -2
[-3., 0.], # c点到第一个框最小距离-3， a点到第二个框的最小偏移距离 0
[ 0., -2.]]]) # d点到第一个框最小距离0， a点到第二个框的最小偏移距离 -2
off_max
tensor([[[5., 4.],
[4., 5.],
[5., 5.],
[2., 5.]]])
mask_in_gtboxes--> # 判断了 特征点是否在框内
tensor([[[False, True], # a点到第一个框四边最小偏移距离小于0，所以，a点不属于第一个框，为false；以此类推。
[False, False],
[False, False],
[False, False]]]) # [batch,h*w,m]
mask_in_level--> # 锁定在这个limit range上的所有的特征的点
tensor([[[True, True], # 锁定了a 在这个level中
[True, True], # 锁定了b
[True, True], # 锁定了c
[True, True]]])# 锁定了d 都在这个FPN级别上 [batch,h*w,m]
'''
3、特征点是否在框中心的范围内，用来判断是否为正样本
radiu = stride * sample_radiu_ratio # 4*1.15 = 4.6
gt_center_x = (gt_boxes[..., 0] + gt_boxes[..., 2]) / 2
gt_center_y = (gt_boxes[..., 1] + gt_boxes[..., 3]) / 2
c_l_off = x[None, :, None] - gt_center_x[:, None, :] # [1,h*w,1]-[batch_size,1,m]-->[batch_size,h*w,m]
c_t_off = y[None, :, None] - gt_center_y[:, None, :]
c_r_off = gt_center_x[:, None, :] - x[None, :, None]
c_b_off = gt_center_y[:, None, :] - y[None, :, None]
c_ltrb_off = torch.stack([c_l_off, c_t_off, c_r_off, c_b_off], dim=-1) # [batch_size,h*w,m,4]
c_off_max = torch.max(c_ltrb_off, dim=-1)[0]
mask_center = c_off_max < radiu
print("c_ltrb_off",c_ltrb_off)
print("c_off_max",c_off_max)
print("mask_center",mask_center)
'''
c_ltrb_off
tensor([[[[-4.0000, -3.0000, 4.0000, 3.0000], # 同上边一样，a到 第一个框 小的中心框四边 的距离
[-0.5000, -1.5000, 0.5000, 1.5000]], # a到 第二个框 小的中心框四边 的距离
[[ 0.0000, -3.0000, 0.0000, 3.0000], # b到 第一个框 小的中心框四边 的距离
[ 3.5000, -1.5000, -3.5000, 1.5000]], # # b到 第二个框 小的中心框四边 的距离
[[-4.0000, 1.0000, 4.0000, -1.0000],
[-0.5000, 2.5000, 0.5000, -2.5000]],
[[ 0.0000, 1.0000, 0.0000, -1.0000],
[ 3.5000, 2.5000, -3.5000, -2.5000]]]])
c_off_max tensor([[[4.0000, 1.5000], # 找到a特征点到第一个框中心框和第二个框的中心框的 最大距离
[3.0000, 3.5000],
[4.0000, 2.5000],
[1.0000, 3.5000]]]) # [batch,h*w,m] 4个特征点(a,b,c,d) x 框的个数2个（第一个框，第二个框）
mask_center tensor([[[True, True], # 判断是否在这个框里中心点里边 正样本
[True, True],
[True, True],
[True, True]]]) ## [batch,h*w,m]
'''
3、制定mask,根据上边的 gt_box、fpn_level、mask_center
‘’’
mask_pos 是三个约束条件的交集，分别是特征点在gt中，特征点在level中，以及特征点距离Gt中的center小于指定的范围
‘’’
mask_pos = mask_in_gtboxes & mask_in_level & mask_center # [batch_size,h*w,m]
areas[~mask_pos] = 99999999
areas_min_ind = torch.min(areas, dim=-1)[1] # [batch_size,h*w]
mask_pos = mask_in_gtboxes & mask_in_level & mask_center # [batch_size,h*w,m]
print("pre_areas:",areas)
areas[~mask_pos] = 99999999
areas_min_ind = torch.min(areas, dim=-1)[1] # [batch_size,h*w] # 返回索引，注意和上边的区别，上边返回值，比大小
# torch.max() or torch.min() dim=0 找列，dim=1 找行
print("mask_pos-->",mask_pos)
print("post_ares",areas)
print("areas_min_ind",areas_min_ind)
'''
mask_in_gtboxes-->
tensor([[[False, True],
[False, False],
[False, False],
[False, False]]])
mask_in_level-->
tensor([[[True, True],
[True, True],
[True, True],
[True, True]]])
mask_center
tensor([[[True, True],
[True, True],
[True, True],
[True, True]]])
mask_pos-->
tensor([[[False, True], # 只有a点在第二个框在这个fpn这个level, 同时满足这三个条件
[False, False],
[False, False],
[False, False]]])
post_ares
tensor([[[1.0000e+08, 1.5000e+01],
[1.0000e+08, 1.0000e+08],
[1.0000e+08, 1.0000e+08],
[1.0000e+08, 1.0000e+08]]]) # #[batch_size,h*w,m] 将 满足要求的 保持面积不面，其他设置为很大的值
areas_min_ind tensor([[1, 0, 0, 0]]) # [batch_size,h*w] min[1]返回的是对应的indices 找到最小的面积，返回索引。
'''
4、 回归的目标
给a,b,c,d四个特征点 确定 偏移量。用于后续回归
reg_targets = ltrb_off[torch.zeros_like(areas, dtype=torch.bool)
.scatter_(-1, areas_min_ind.unsqueeze(dim=-1), 1)] # [batch_size*h*w,4]
reg_targets = torch.reshape(reg_targets, (batch_size, -1, 4)) # [batch_size,h*w,4]
scatter_的用法：参考 https://blog.csdn.net/weixin_43496455/article/details/103870889
scatter(dim, index, src)将src中数据根据index中的索引按照dim的方向进行填充。
dim=0
'''
areas:
tensor([[[ 4., 15.],
[ 4., 15.],
[ 4., 15.],
[ 4., 15.]]]) [1,4,2]
扩展维度之后 [1,4] --> torch.Size([1, 4, 1]) ===> [[[1,0,0,0]]]
torch.zeros_like(areas, dtype=torch.bool)
tensor([[[False, False],
[False, False],
[False, False],
[False, False]]])
after scatter_-->
tensor([[[False, True],
[ True, False],
[ True, False],
[ True, False]]]) # [1,4,2]
ltrf_off
tensor([[[[-3., -2., 5., 4.], # a 点到第一个框的左边、上边、右边、下边的偏移
[ 1., 1., 2., 4.]], # a 点到第二个框的左边、上边、右边、下边的偏移
[[ 1., -2., 1., 4.], # b 点到第一个框的左边、上边、右边、下边的偏移
[ 5., 1., -2., 4.]],
[[-3., 2., 5., 0.],
[ 1., 5., 2., 0.]],
[[ 1., 2., 1., 0.],
[ 5., 5., -2., 0.]]]])
reg_targets1
tensor([[ 1., 1., 2., 4.], # a 点 第二个框
[ 1., -2., 1., 4.], # b 点 第一个框
[-3., 2., 5., 0.], # c 点 第一个框
[ 1., 2., 1., 0.]])# d 点 第一个框
# torch.Size([4, 4])
reg_targets2 tensor([[[ 1., 1., 2., 4.],
[ 1., -2., 1., 4.],
[-3., 2., 5., 0.],
[ 1., 2., 1., 0.]]]) # torch.Size([1, 4, 4])
'''
5、 目标的分类
给a,b,c,d四个点分配类别
# 设置classes = torch.tensor([[100,200]])
classes = torch.broadcast_tensors(classes[:, None, :], areas.long())[0] # [batch_size,h*w,m]
cls_targets = classes[torch.zeros_like(areas, dtype=torch.bool).scatter_(-1, areas_min_ind.unsqueeze(dim=-1), 1) ]
cls_targets = torch.reshape(cls_targets, (batch_size, -1, 1)) # [batch_size,h*w,1]```
```python
classes = torch.broadcast_tensors(classes[:, None, :], areas.long())[0] # [batch_size,h*w,m]
print("class",classes,classes.shape)
cls_targets = classes[
torch.zeros_like(areas, dtype=torch.bool).scatter_(-1, areas_min_ind.unsqueeze(dim=-1), 1)
]
print(torch.zeros_like(areas, dtype=torch.bool).scatter_(-1, areas_min_ind.unsqueeze(dim=-1), 1))
print("cls_targets1",cls_targets,cls_targets.shape)
cls_targets = torch.reshape(cls_targets, (1, -1, 1)) # [batch_size,h*w,1]
print("cls_targets",cls_targets,cls_targets.shape)
'''
class
tensor([[[100, 200],
[100, 200],
[100, 200],
[100, 200]]]) torch.Size([1, 4, 2])
cls_targets1
tensor([200, 100, 100, 100]) torch.Size([4])
cls_targets
tensor([[[200], # a点属于第二个框，的类别200
[100], # b点属于第一个框，的类别100
[100], # c点。。。。。。
[100]]]) torch.Size([1, 4, 1]) [batch_size,h*w,1]
'''
6、 center-ness
越靠边，cneterness越小。
left_right_min = torch.min(reg_targets[..., 0], reg_targets[..., 2]) # [batch_size,h*w]
print("reg_trargets[...,0]",reg_targets[..., 0],reg_targets[..., 2])
left_right_max = torch.max(reg_targets[..., 0], reg_targets[..., 2])
top_bottom_min = torch.min(reg_targets[..., 1], reg_targets[..., 3])
top_bottom_max = torch.max(reg_targets[..., 1], reg_targets[..., 3])
cnt_targets = (
((left_right_min * top_bottom_min) / (left_right_max * top_bottom_max + 1e-10)).sqrt().unsqueeze(dim=-1)
) # [batch_size,h*w,1]
reg_targets a,b,c,d四个点与对应框的 偏移量。
tensor([[[ 1., 1., 2., 4.],
[ 1., -2., 1., 4.],
[-3., 2., 5., 0.],
[ 1., 2., 1., 0.]]]) # torch.Size([1, 4, 4])
tensor([[ 1., 1., -3., 1.]]) tensor([[2., 1., 5., 1.]])
left_right_min tensor([[ 1., 1., -3., 1.]])
left_right_max tensor([[2., 1., 5., 1.]])
top_bottom_min tensor([[ 1., -2., 0., 0.]])
top_bottom_max tensor([[4., 4., 2., 2.]])
cnt_targets:
tensor([[[0.3536],
[ nan],
[-0.0000],
[0.0000]]]) torch.Size([1, 4, 1])
7、 确定最后的结果
assert reg_targets.shape == (batch_size, h_mul_w, 4)
assert cls_targets.shape == (batch_size, h_mul_w, 1)
assert cnt_targets.shape == (batch_size, h_mul_w, 1)
# process neg coords
mask_pos_2 = mask_pos.long().sum(dim=-1) # [batch_size,h*w]
# num_pos=mask_pos_2.sum(dim=-1)
# assert num_pos.shape==(batch_size,)
mask_pos_2 = mask_pos_2 >= 1
assert mask_pos_2.shape == (batch_size, h_mul_w)
cls_targets[~mask_pos_2] = 0 # [batch_size,h*w,1]
cnt_targets[~mask_pos_2] = -1
reg_targets[~mask_pos_2] = -1
return cls_targets, cnt_targets, reg_targets
mask_pos-->
tensor([[[False, True], # 只有a点在第二个框在这个fpn这个level, 同时满足这三个条件
[False, False],
[False, False],
[False, False]]])
mask_pos2-->
# mask_pos_2 = mask_pos.long().sum(dim=-1) # [batch_size,h*w]
tensor([[1, 0, 0, 0]]) torch.Size([1, 4]) # 按照列相加，第一列+第二列
# mask_pos_2 = mask_pos_2 >= 1
mask_pos_2--> # 看特征点是否同时存在于多个满足条件
tensor([[ True, False, False, False]]) # 【1，4】
print(cls_targets)
print(cnt_targets)
print(reg_targets)
#将非 positive location的地方设置成 cls设置成0 ,reg_targets 设置成对应的-1
cls_targets[~mask_pos_2] = 0 # [batch_size,h*w,1]
cnt_targets[~mask_pos_2] = -1
reg_targets[~mask_pos_2] = -1
cls_targets
tensor([[[200], # a点属于第二个框，的类别200
[100], # b点属于第一个框，的类别100
[100], # c点。。。。。。
[100]]]) torch.Size([1, 4, 1]) [batch_size,h*w,1]
tensor([[[200],
[ 0],
[ 0],
[ 0]]])
cnt_targets:
tensor([[[0.3536],
[ nan],
[-0.0000],
[0.0000]]]) torch.Size([1, 4, 1])
tensor([[[ 0.3536],
[-1.0000],
[-1.0000],
[-1.0000]]])
reg_targets2
tensor([[[ 1., 1., 2., 4.],
[ 1., -2., 1., 4.],
[-3., 2., 5., 0.],
[ 1., 2., 1., 0.]]]) # torch.Size([1, 4, 4])
tensor([[[ 1., 1., 2., 4.],
[-1., -1., -1., -1.],
[-1., -1., -1., -1.],
[-1., -1., -1., -1.]]])
至此呢，经过层层限制，能够找到符合三个条件的 特征点，例如，本案例为 a点，符合第二个框。并给出a点对应的 类别-200；cnt值-0。3536；偏移量【1，1，2，4】
值的注意的是，满足三个条件为正样本，cnt是计算所有正样本的 centerness值，后续为了抑制低质量的正样本，根据cnterness的值计算了一个loss。