tensorflow :: ops :: CombinedNonMaxSuppression

Chciwie wybiera podzbiór obwiedni w malejącej kolejności według punktacji.

streszczenie

Ta operacja wykonuje non_max_suppression na danych wejściowych na partię we wszystkich klasach. Przycina pola, które mają dużą liczbę punktów przecięcia i nadwyżki (IOU), pokrywają się z poprzednio wybranymi prostokątami. Ramki ograniczające są dostarczane jako [y1, x1, y2, x2], gdzie (y1, x1) i (y2, x2) są współrzędnymi dowolnej pary ukośnych narożników prostokąta, a współrzędne można podać jako znormalizowane (tj. przedział [0, 1]) lub bezwzględny. Zauważ, że ten algorytm jest niezależny od miejsca pochodzenia w układzie współrzędnych. Należy również zauważyć, że ten algorytm jest niezmienny względem przekształceń ortogonalnych i translacji układu współrzędnych; w ten sposób translacja lub odbicia układu współrzędnych powodują, że algorytm wybiera te same pola. Wynikiem tej operacji są końcowe pola, wyniki i tensor klas zwrócone po wykonaniu non_max_suppression.

Argumenty:

• zakres: obiekt Scope
• box: 4-D float tensor kształtu [batch_size, num_boxes, q, 4] . Jeśli q wynosi 1, to te same pola są używane dla wszystkich klas, w przeciwnym razie, jeśli q jest równe liczbie klas, używane są pola specyficzne dla klasy.
• wyniki: trójwymiarowy zmiennoprzecinkowy tensor kształtu [batch_size, num_boxes, num_classes] reprezentujący pojedynczy wynik odpowiadający każdemu pudełku (każdemu wierszowi pudełek).
• max_output_size_per_class: Tensor skalarnej liczby całkowitej reprezentujący maksymalną liczbę pól, które mają być wybrane przez brak maksymalnego pomijania na klasę
• max_total_size: Skalar reprezentujący maksymalną liczbę ramek zachowanych we wszystkich klasach.
• iou_threshold: Tensor zmiennoprzecinkowy 0-D reprezentujący próg decydujący o tym, czy pola nakładają się zbytnio w odniesieniu do IOU.
• score_threshold: Tensor zmiennoprzecinkowy 0-D reprezentujący próg decydujący o tym, kiedy usunąć pola na podstawie wyniku.

Atrybuty opcjonalne (patrz Attrs ):

• pad_per_class: Jeśli false, pola wyjściowe nmsed, wyniki i klasy są max_total_size / przycinane do max_total_size . Jeśli prawda, pola wyjściowe nmsed, wyniki i klasy są num_classes , aby miały długość max_size_per_class * num_classes , chyba że przekracza wartość max_total_size w którym to przypadku jest przycinana do max_total_size . Domyślnie false.
• clip_boxes: Jeśli prawda, załóż, że współrzędne pola są między [0, 1] i przytnij pola wyjściowe, jeśli wykraczają poza [0, 1]. Jeśli fałsz, nie wykonuj obcinania i nie wyświetlaj współrzędnych pudełka tak, jak jest.

Zwroty:

• Output nmsed_boxes: Tensor [batch_size, max_detections, 4] float32 zawierający nie-max wyłączone pola.
• Output nmsed_scores: Tensor [batch_size, max_detections] float32 zawierający wyniki dla pól.
• Output nmsed_classes: Tensor [batch_size, max_detections] float32 zawierający klasy dla pól.
• Output valid_detections: tensor int32 [batch_size] wskazujący liczbę prawidłowych wykryć na element partii. Tylko najwyższe pozycje num_detections [i] w nms_boxes [i], nms_scores [i] i nms_class [i] są poprawne. Reszta wpisów to zerowe wypełnienia.

Atrybuty publiczne

::tensorflow::Output nmsed_boxes

::tensorflow::Output nmsed_classes

::tensorflow::Output nmsed_scores

Operation operation

 CombinedNonMaxSuppression(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size_per_class,
  ::tensorflow::Input max_total_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold
)

 CombinedNonMaxSuppression(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size_per_class,
  ::tensorflow::Input max_total_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold,
  const CombinedNonMaxSuppression::Attrs & attrs
)

Attrs ClipBoxes(
  bool x
)

Attrs PadPerClass(
  bool x
)