tensorflow :: ops :: NonMaxSuppression V5

با حرص زیر مجموعه جعبه های مرزی را به ترتیب نزولی امتیاز انتخاب می کند.

خلاصه

جعبه های هرس دور که دارای تقاطع بیش از حد اتحادیه (IOU) با جعبه های قبلی انتخاب شده همپوشانی دارند. جعبه های score_threshold با امتیاز کمتر از حد score_threshold حذف می شوند. جعبه های مرزی به عنوان [y1 ، x1 ، y2 ، x2] ارائه می شوند ، جایی که (y1 ، x1) و (y2 ، x2) مختصات هر جفت مورب گوشه جعبه هستند و مختصات را می توان بصورت نرمال تهیه کرد (یعنی دراز کشیدن فاصله [0 ، 1]) یا مطلق. توجه داشته باشید که این الگوریتم در مورد مکانی که مبدا سیستم مختصات است و به طور کلی برای تحولات متعامد و ترجمه سیستم مختصات ، بی نظیر است ، است. بنابراین ترجمه یا بازتاب سیستم مختصات منجر به انتخاب همان جعبه ها توسط الگوریتم می شود. خروجی این عملیات مجموعه ای از نمایه سازی اعداد صحیح در مجموعه ورودی جعبه های مرزی نشان دهنده جعبه های انتخاب شده است. مختصات جعبه محدود مربوط به شاخص های انتخاب شده را می توان با استفاده از tf.gather operation بدست آورد. به عنوان مثال: selected_indices = tf.image.non_max_suppression_v2 (کادرها ، امتیازات ، حداکثر_بستر_سایز ، iou_threshold ، نمره_آستانه) برگزیده_باکس ها = tf.gather (جعبه ها ، منتخب_ اندیس ها) این گزینه همچنین از حالت Soft-NMS (با وزن دهی گوسی) پشتیبانی می کند (cf Bodla et al ، https://arxiv.org/abs/1704.04503 ) که در آن جعبه ها به جای اینکه مستقیماً هرس شوند ، امتیاز سایر جعبه های همپوشان را کاهش می دهند. برای فعال کردن این حالت Soft-NMS ، پارامتر soft_nms_sigma را بزرگتر از 0 قرار دهید.

استدلال ها:

• دامنه: یک شی Sc Scope
• جعبه ها: یک تانسور شناور 2 بعدی به شکل [num_boxes, 4] .
• امتیازات: یک تانسور شناور شکل 1-D [num_boxes] نشان دهنده یک امتیاز واحد مربوط به هر جعبه (هر ردیف جعبه).
• max_output_size: یک سنسور عدد صحیح مقیاس دار نشان دهنده حداکثر تعداد جعبه هایی است که با سرکوب غیر حداکثر انتخاب می شوند.
• iou_threshold: یک تانسور شناور 0-D که آستانه را برای تصمیم گیری در مورد همپوشانی بیش از حد جعبه ها نسبت به IOU نشان می دهد.
• score_threshold: یک تانسور شناور 0-D به نمایندگی از آستانه تصمیم گیری در مورد زمان حذف جعبه ها بر اساس امتیاز.
• soft_nms_sigma: یک تانسور شناور 0-D که نمایانگر پارامتر سیگما برای NMS نرم است. به بودلا و دیگران (رجوع کنید به https://arxiv.org/abs/1704.04503 ). وقتی soft_nms_sigma=0.0 (که پیش فرض است) ، به NMS استاندارد (سخت) برمی گردیم.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• pad_to_max_output_size: در صورت درست بودن ، خروجی منتخب_ اندیس selected_indices پد می شود تا دارای طول max_output_size باشد. پیش فرض ها به نادرست است.

بازده:

• Output selected_indices: یک تانسور عدد صحیح 1 بعدی با شکل [M] نمایانگر شاخص های انتخاب شده از تانسور کادرها ، جایی که M <= max_output_size .
• Output selected_scores: یک تانسور شناور 1-D شکل [M] که نمرات مربوطه را برای هر جعبه انتخاب شده نشان می دهد ، جایی که M <= max_output_size . نمرات فقط با نمرات ورودی مربوطه هنگام استفاده از Soft NMS (یعنی وقتی soft_nms_sigma>0 )
• Output valid_outputs: یک سنسور عدد صحیح 0-D نمایانگر تعداد عناصر معتبر در index_ selected_indices که عناصر معتبر ابتدا ظاهر می شوند.

صفات عمومی

Operation operation

::tensorflow::Output selected_scores

::tensorflow::Output valid_outputs

 NonMaxSuppressionV5(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold,
  ::tensorflow::Input soft_nms_sigma
)

 NonMaxSuppressionV5(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold,
  ::tensorflow::Input soft_nms_sigma,
  const NonMaxSuppressionV5::Attrs & attrs
)

Attrs PadToMaxOutputSize(
  bool x
)