.. _sec_multiscale-object-detection:
Phát hiện đối tượng đa quy mô
=============================
Trong :numref:`sec_anchor`, chúng tôi tạo ra nhiều hộp neo tập trung
vào mỗi pixel của một hình ảnh đầu vào. Về cơ bản các hộp neo này đại
diện cho các mẫu của các vùng khác nhau của hình ảnh. Tuy nhiên, chúng
ta có thể kết thúc với quá nhiều hộp neo để tính toán nếu chúng được tạo
cho *every* pixel. Hãy nghĩ về một hình ảnh đầu vào
:math:`561 \times 728`. Nếu năm hộp neo có hình dạng khác nhau được tạo
ra cho mỗi pixel làm trung tâm của chúng, hơn hai triệu hộp neo
(:math:`561 \times 728 \times 5`) cần được dán nhãn và dự đoán trên hình
ảnh.
.. _subsec_multiscale-anchor-boxes:
Multiscale Neo Boxes
--------------------
Bạn có thể nhận ra rằng không khó để giảm các hộp neo trên một hình ảnh.
Ví dụ, chúng ta chỉ có thể lấy mẫu một phần nhỏ pixel từ hình ảnh đầu
vào để tạo ra các hộp neo tập trung vào chúng. Ngoài ra, ở các quy mô
khác nhau, chúng ta có thể tạo ra các số lượng hộp neo khác nhau có kích
thước khác nhau. Về mặt trực giác, các đối tượng nhỏ hơn có nhiều khả
năng xuất hiện trên một hình ảnh hơn so với các đối tượng lớn hơn. Ví
dụ, các đối tượng :math:`1 \times 1`, :math:`1 \times 2` và
:math:`2 \times 2` có thể xuất hiện trên một hình ảnh :math:`2 \times 2`
theo 4, 2 và 1 cách có thể tương ứng. Do đó, khi sử dụng các hộp neo nhỏ
hơn để phát hiện các vật thể nhỏ hơn, chúng ta có thể lấy mẫu nhiều vùng
hơn, trong khi đối với các vật thể lớn hơn chúng ta có thể lấy mẫu ít
vùng hơn.
Để chứng minh cách tạo hộp neo ở nhiều thang đo, chúng ta hãy đọc một
hình ảnh. Chiều cao và chiều rộng của nó lần lượt là 561 và 728 pixel.
.. raw:: html
.. raw:: html
.. code:: python
%matplotlib inline
from mxnet import image, np, npx
from d2l import mxnet as d2l
npx.set_np()
img = image.imread('../img/catdog.jpg')
h, w = img.shape[:2]
h, w
.. parsed-literal::
:class: output
(561, 728)
.. raw:: html
.. raw:: html
.. code:: python
%matplotlib inline
import torch
from d2l import torch as d2l
img = d2l.plt.imread('../img/catdog.jpg')
h, w = img.shape[:2]
h, w
.. parsed-literal::
:class: output
(561, 728)
.. raw:: html
.. raw:: html
.. raw:: html
.. code:: python
def display_anchors(fmap_w, fmap_h, s):
d2l.set_figsize()
# Values on the first two dimensions do not affect the output
fmap = np.zeros((1, 10, fmap_h, fmap_w))
anchors = npx.multibox_prior(fmap, sizes=s, ratios=[1, 2, 0.5])
bbox_scale = np.array((w, h, w, h))
d2l.show_bboxes(d2l.plt.imshow(img.asnumpy()).axes,
anchors[0] * bbox_scale)
.. raw:: html
.. raw:: html
.. code:: python
def display_anchors(fmap_w, fmap_h, s):
d2l.set_figsize()
# Values on the first two dimensions do not affect the output
fmap = torch.zeros((1, 10, fmap_h, fmap_w))
anchors = d2l.multibox_prior(fmap, sizes=s, ratios=[1, 2, 0.5])
bbox_scale = torch.tensor((w, h, w, h))
d2l.show_bboxes(d2l.plt.imshow(img).axes,
anchors[0] * bbox_scale)
.. raw:: html
.. raw:: html
.. raw:: html
.. code:: python
display_anchors(fmap_w=4, fmap_h=4, s=[0.15])
.. figure:: output_multiscale-object-detection_ad7147_21_0.svg
.. raw:: html
.. raw:: html
.. code:: python
display_anchors(fmap_w=4, fmap_h=4, s=[0.15])
.. parsed-literal::
:class: output
/home/d2l-worker/miniconda3/envs/d2l-vi-release-1/lib/python3.8/site-packages/torch/functional.py:568: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at ../aten/src/ATen/native/TensorShape.cpp:2228.)
return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined]
.. figure:: output_multiscale-object-detection_ad7147_24_1.svg
.. raw:: html
.. raw:: html
.. raw:: html
.. code:: python
display_anchors(fmap_w=2, fmap_h=2, s=[0.4])
.. figure:: output_multiscale-object-detection_ad7147_30_0.svg
.. raw:: html
.. raw:: html
.. code:: python
display_anchors(fmap_w=2, fmap_h=2, s=[0.4])
.. figure:: output_multiscale-object-detection_ad7147_33_0.svg
.. raw:: html
.. raw:: html
.. raw:: html
.. code:: python
display_anchors(fmap_w=1, fmap_h=1, s=[0.8])
.. figure:: output_multiscale-object-detection_ad7147_39_0.svg
.. raw:: html
.. raw:: html
.. code:: python
display_anchors(fmap_w=1, fmap_h=1, s=[0.8])
.. figure:: output_multiscale-object-detection_ad7147_42_0.svg
.. raw:: html
.. raw:: html
.. raw:: html
`Discussions `__
.. raw:: html
.. raw:: html
`Discussions `__
.. raw:: html
.. raw:: html