tensorflow :: ops :: NonMaxSuppressionV5

Chciwie wybiera podzbiór obwiedni w malejącej kolejności według punktacji.

streszczenie

przycinanie pól, które mają wysoki współczynnik IOU (intersection-over-union), pokrywają się z poprzednio wybranymi ramkami. Ramki ograniczające z wynikiem mniejszym niż score_threshold są usuwane. 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, w którym początek znajduje się w układzie współrzędnych, a bardziej ogólnie 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 jest zestaw liczb całkowitych indeksowanych w wejściowym zbiorze obwiedni reprezentujących wybrane pola. Współrzędne ramki granicznej odpowiadające wybranym indeksom można następnie uzyskać za pomocą tf.gather operation . Na przykład: selected_indices = tf.image.non_max_suppression_v2 (box, score, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather (box, selected_indices) Ta opcja obsługuje również tryb Soft-NMS (z ważeniem Gaussa) (por. , https://arxiv.org/abs/1704.04503 ), gdzie pola zmniejszają wynik innych nakładających się pól zamiast bezpośrednio powodować ich przycinanie. Aby włączyć ten tryb Soft-NMS, ustaw parametr soft_nms_sigma na większy niż 0.

Argumenty:

• zakres: obiekt Scope
• boxy: 2-D float tensor kształtu [num_boxes, 4] .
• wyniki: 1-D float tensor kształtu [num_boxes] reprezentujący pojedynczy wynik odpowiadający każdemu pudełku (każdemu wierszowi pudełek).
• max_output_size: Tensor skalarnej liczby całkowitej reprezentujący maksymalną liczbę pól, które mają być wybrane przez pomijanie nie maksymalne.
• 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.
• soft_nms_sigma: tensor typu float 0-D reprezentujący parametr sigma dla Soft NMS; patrz Bodla i in. (por. https://arxiv.org/abs/1704.04503 ). Gdy soft_nms_sigma=0.0 (co jest wartością domyślną), wracamy do standardowego (twardego) NMS.

Atrybuty opcjonalne (patrz Attrs ):

• pad_to_max_output_size: Jeśli prawda, dane wyjściowe selected_indices są max_output_size aby miały długość max_output_size . Domyślnie false.

Zwroty:

• Output selected_indices: 1-D integer tensor w kształcie [M] reprezentujący wybrane indeksy z tensorów boxów, gdzie M <= max_output_size .
• Output selected_scores: 1-D float tensor w kształcie [M] reprezentujący odpowiednie wyniki dla każdego zaznaczonego pola, gdzie M <= max_output_size . Wyniki różnią się tylko od odpowiednich wyników wejściowych, gdy używany jest miękki NMS (tj. Gdy soft_nms_sigma>0 )
• Output valid_outputs: Tensor całkowity 0-D reprezentujący liczbę prawidłowych elementów w selected_indices , przy czym prawidłowe elementy pojawiają się jako pierwsze.

Atrybuty publiczne

Operation operation

::tensorflow::Output selected_indices

::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
)