Advertencia: esta API está obsoleta y se eliminará en una versión futura de TensorFlow una vez que el reemplazo sea ​​estable.

NonMaxSuppressionV5

Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.
clase final pública NonMaxSuppressionV5

Selecciona con avidez un subconjunto de cuadros delimitadores en orden descendente de puntuación,

podar las cajas que tienen una gran superposición de intersección sobre unión (IOU) con las cajas previamente seleccionadas. Se eliminan los cuadros delimitadores con una puntuación inferior a `score_threshold`. Los cuadros delimitadores se proporcionan como [y1, x1, y2, x2], donde (y1, x1) e (y2, x2) son las coordenadas de cualquier par diagonal de esquinas del cuadro y las coordenadas se pueden proporcionar normalizadas (es decir, situadas en el intervalo [0, 1]) o absoluta. Tenga en cuenta que este algoritmo es independiente de dónde se encuentra el origen en el sistema de coordenadas y, de manera más general, es invariable a las transformaciones y traslaciones ortogonales del sistema de coordenadas; por lo tanto, la traducción o las reflexiones del sistema de coordenadas dan como resultado que el algoritmo seleccione las mismas casillas. El resultado de esta operación es un conjunto de números enteros que se indexan en la colección de entrada de cuadros delimitadores que representan los cuadros seleccionados. Las coordenadas del cuadro delimitador correspondientes a los índices seleccionados se pueden obtener mediante la `operación tf.gather`. Por ejemplo: selected_indices = tf.image.non_max_suppression_v2( boxes, score, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) Esta operación también admite un modo Soft-NMS (con ponderación gaussiana) (cf. Bodla et al. , https://arxiv.org/abs/1704.04503) donde las cajas reducen la puntuación de otras cajas superpuestas en lugar de hacer que se eliminen directamente. Para habilitar este modo Soft-NMS, configure el parámetro `soft_nms_sigma` para que sea mayor que 0.

Clases anidadas

clase NonMaxSuppressionV5.Opciones Atributos opcionales para NonMaxSuppressionV5

Métodos públicos

estático <T extiende Número> NonMaxSuppressionV5 <T>
crear ( Ámbito de alcance, Operando <T> cuadros, Operando <T> puntuaciones, Operando <Integer> maxOutputSize, Operando <T> iouThreshold, Operando <T> scoreThreshold, Operando <T> softNmsSigma, Opciones... opciones)
Método de fábrica para crear una clase que envuelve una nueva operación NonMaxSuppressionV5.
NonMaxSuppressionV5.Options estático
padToMaxOutputSize (booleano padToMaxOutputSize)
Salida <Entero>
índices seleccionados ()
Un tensor entero 1-D de forma `[M]` que representa los índices seleccionados del tensor de cajas, donde `M <= max_output_size`.
Salida <T>
puntuaciones seleccionadas ()
Un tensor flotante unidimensional de forma `[M]` que representa las puntuaciones correspondientes para cada cuadro seleccionado, donde `M <= max_output_size`.
Salida <Entero>
Salidas válidas ()
Un tensor entero 0-D que representa el número de elementos válidos en `selected_indices`, con los elementos válidos apareciendo primero.

Métodos Heredados

Métodos públicos

NonMaxSuppressionV5 estático público <T> crear ( Ámbito de ámbito, Operando <T> cuadros, Operando <T> puntuaciones, Operando <Integer> maxOutputSize, Operando <T> iouThreshold, Operando <T> scoreThreshold, Operando <T> softNmsSigma, Opciones.. . opciones)

Método de fábrica para crear una clase que envuelve una nueva operación NonMaxSuppressionV5.

Parámetros
alcance alcance actual
cajas Un tensor flotante 2-D de forma `[num_boxes, 4]`.
puntuaciones Un tensor flotante 1-D de forma `[num_boxes]` que representa una única puntuación correspondiente a cada casilla (cada fila de casillas).
maxOutputSize Un tensor entero escalar que representa el número máximo de casillas que se seleccionarán mediante supresión no máxima.
iouUmbral Un tensor flotante 0-D que representa el umbral para decidir si las cajas se superponen demasiado con respecto al IOU.
puntuación Umbral Un tensor flotante 0-D que representa el umbral para decidir cuándo eliminar casillas en función de la puntuación.
suaveNmsSigma Un tensor flotante 0-D que representa el parámetro sigma para Soft NMS; ver Bodla et al (cf https://arxiv.org/abs/1704.04503). Cuando `soft_nms_sigma=0.0` (que es el valor predeterminado), recurrimos al NMS estándar (duro).
opciones lleva valores de atributos opcionales
Devoluciones
  • una nueva instancia de NonMaxSuppressionV5

público estático NonMaxSuppressionV5.Options padToMaxOutputSize (booleano padToMaxOutputSize)

Parámetros
padToMaxOutputSize Si es verdadero, la salida `selected_indices` se rellena para tener la longitud `max_output_size`. El valor predeterminado es falso.

salida pública <entero> índices seleccionados ()

Un tensor entero 1-D de forma `[M]` que representa los índices seleccionados del tensor de cajas, donde `M <= max_output_size`.

salida pública <T> puntuaciones seleccionadas ()

Un tensor flotante unidimensional de forma `[M]` que representa las puntuaciones correspondientes para cada cuadro seleccionado, donde `M <= max_output_size`. Las puntuaciones solo difieren de las puntuaciones de entrada correspondientes cuando se usa Soft NMS (es decir, cuando `soft_nms_sigma>0`)

salida pública <entero> salidas válidas ()

Un tensor entero 0-D que representa el número de elementos válidos en `selected_indices`, con los elementos válidos apareciendo primero.