通过

DML_ROI_ALIGN_OPERATOR_DESC 结构 (directml.h)

  • 项目

执行 ROI 对齐操作，如 掩码 R-CNN 一文中所述。 总之，该操作使用指定的 InterpolationMode 从输入图像张量中提取裁剪并将其大小调整为 OutputTensor 的最后 2 个维度指定的通用输出大小。

语法

struct DML_ROI_ALIGN_OPERATOR_DESC {
  const DML_TENSOR_DESC  *InputTensor;
  const DML_TENSOR_DESC  *ROITensor;
  const DML_TENSOR_DESC  *BatchIndicesTensor;
  const DML_TENSOR_DESC  *OutputTensor;
  DML_REDUCE_FUNCTION    ReductionFunction;
  DML_INTERPOLATION_MODE InterpolationMode;
  FLOAT                  SpatialScaleX;
  FLOAT                  SpatialScaleY;
  FLOAT                  OutOfBoundsInputValue;
  UINT                   MinimumSamplesPerOutput;
  UINT                   MaximumSamplesPerOutput;
};

成员

InputTensor

类型： const DML_TENSOR_DESC*

包含维度 { BatchCount, ChannelCount, InputHeight, InputWidth }为 的输入数据的张量。

ROITensor

类型： const DML_TENSOR_DESC*

包含相关区域 (ROI) 数据的张量。 的允许维度 ROITensor 为 { NumROIs, 4 }、 { 1, NumROIs, 4 }或 { 1, 1, NumROIs, 4 }。 对于每个 ROI，值将是其左上角和右下角的坐标，顺序 [x1, y1, x2, y2]为 。

BatchIndicesTensor

类型： const DML_TENSOR_DESC*

包含要从中提取 ROI 的批处理索引的张量。 的允许维度 BatchIndicesTensor 为 { NumROIs }、 { 1, NumROIs }、 { 1, 1, NumROIs }或 { 1, 1, 1, NumROIs }。 每个值都是 InputTensor 中批处理的索引。 如果值不在 [0， BatchCount) 范围内，则行为未定义。

OutputTensor

类型： const DML_TENSOR_DESC*

包含输出数据的张量。 OutputTensor 的预期维度为 { NumROIs, ChannelCount, OutputHeight, OutputWidth }。

ReductionFunction

类型： DML_REDUCE_FUNCTION

减少所有输入样本时使用的缩减函数，这些样本与输出元素 (DML_REDUCE_FUNCTION_AVERAGE 或 DML_REDUCE_FUNCTION_MAX) 。 要减少的输入样本数由 MinimumSamplesPerOutput 和 MaximumSamplesPerOutput 限制。

InterpolationMode

类型： DML_INTERPOLATION_MODE

调整区域大小时使用的内插模式。

  • DML_INTERPOLATION_MODE_NEAREST_NEIGHBOR。 使用 最近邻 算法，该算法为每个输出元素选择最接近相应像素中心的输入元素。
  • DML_INTERPOLATION_MODE_LINEAR。 使用 双线性 算法，该算法通过为每个维度执行 2 个最接近的相邻输入元素的加权平均值来计算输出元素。 由于只调整了 2 个维度的大小，因此会根据每个输出元素总共 4 个输入元素来计算加权平均值。

SpatialScaleX

类型： FLOAT

X (或宽度) 比例系数的组件，以将 ROITensor 坐标乘以，使它们与 InputHeight 和 InputWidth 成比例。 例如，如果 ROITensor 在 [0..1] ) 范围内包含规范化坐标 (值，则 SpatialScaleX 通常与 InputWidth 具有相同的值。

SpatialScaleY

类型： FLOAT

比例系数的 Y (或高度) 分量将 ROITensor 坐标乘以，使它们与 InputHeight 和 InputWidth 成比例。 例如，如果 ROITensor 在 [0..1] ) 范围内包含规范化坐标 (值， 则 SpatialScaleY 通常具有与 InputHeight 相同的值。

OutOfBoundsInputValue

类型： FLOAT

当 ROI 超出 InputTensor 的边界时，要从 InputTensor 读取的值。 当 SpatialScaleX 和 SpatialScaleY 缩放 ROITensor 后获取的值大于 InputWidth 和 InputHeight 时，可能会发生这种情况。

MinimumSamplesPerOutput

类型： UINT

要用于每个输出元素的最小输入样本数。 运算符将通过执行 ScaledCropSize / OutputSize来计算输入样本数，然后将其固定到 MinimumSamplesPerOutput 和 MaximumSamplesPerOutput。

MaximumSamplesPerOutput

类型： UINT

要用于每个输出元素的最大输入样本数。 运算符将通过执行 ScaledCropSize / OutputSize来计算输入样本数，然后将其固定到 MinimumSamplesPerOutput 和 MaximumSamplesPerOutput。

可用性

此运算符是在 中 DML_FEATURE_LEVEL_3_0引入的。

张量约束

InputTensor、 OutputTensor 和 ROITensor 必须具有相同 的数据类型。

张量支持

DML_FEATURE_LEVEL_5_0 及更高版本

张 种类 支持的维度计数 支持的数据类型
InputTensor 输入 4 FLOAT32、FLOAT16
ROITensor 输入 2 到 4 FLOAT32、FLOAT16
BatchIndicesTensor 输入 1 到 4 UINT64、UINT32
OutputTensor 输出 4 FLOAT32、FLOAT16

DML_FEATURE_LEVEL_3_0 及更高版本

张 种类 支持的维度计数 支持的数据类型
InputTensor 输入 4 FLOAT32、FLOAT16
ROITensor 输入 2 到 4 FLOAT32、FLOAT16
BatchIndicesTensor 输入 1 到 4 UINT32
OutputTensor 输出 4 FLOAT32、FLOAT16

要求

   
最低受支持的客户端 Windows 10内部版本 20348
最低受支持的服务器 Windows 10内部版本 20348
标头 directml.h