tensorflow::ops::NonMaxSuppressionV2

เลือกกลุ่มย่อยของกรอบล้อมรอบโดยเรียงลำดับจากคะแนนมากที่สุดไปน้อยที่สุดอย่างโลภ (Greeding selects)

สรุป

อัลกอริทึมนี้จะตัดกล่องที่มีค่าการทับซ้อน (IOU) สูงกับกล่องที่เลือกไว้ก่อนหน้านี้ออกไป กล่องขอบเขตจะถูกกำหนดเป็น [y1, x1, y2, x2] โดยที่ (y1, x1) และ (y2, x2) คือพิกัดของมุมกล่องคู่ทแยงมุมใดๆ และสามารถระบุพิกัดได้ทั้งแบบนอร์มาไลซ์ (เช่น อยู่ในช่วง [0, 1]) หรือแบบสัมบูรณ์ โปรดทราบว่าอัลกอริทึมนี้ไม่ขึ้นอยู่กับตำแหน่งของจุดกำเนิดในระบบพิกัด และโปรดทราบว่าอัลกอริทึมนี้ไม่เปลี่ยนแปลงไปตามการแปลงเชิงตั้งฉากและการเลื่อนของระบบพิกัด ดังนั้นการเลื่อนหรือการสะท้อนของระบบพิกัดจะทำให้ได้กล่องเดียวกันโดยอัลกอริทึม

ผลลัพธ์ของการดำเนินการนี้คือชุดจำนวนเต็มที่ใช้เป็นดัชนีในคอลเลกชันของกรอบสี่เหลี่ยมที่แสดงถึงกล่องที่เลือกไว้ จากนั้นสามารถรับพิกัดของกรอบสี่เหลี่ยมที่สอดคล้องกับดัชนีที่เลือกได้โดยใช้ tf.gather operation ตัวอย่างเช่น:

selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold) selected_boxes = tf.gather(boxes, selected_indices)

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• กล่อง: เทนเซอร์แบบ float 2 มิติ ที่มีรูปร่าง [num_boxes, 4]
• คะแนน: เทนเซอร์แบบ float 1 มิติ ที่มีรูปร่าง [num_boxes] ซึ่งแสดงคะแนนเดียวที่สอดคล้องกับแต่ละกล่อง (แต่ละแถวของกล่อง)
• max_output_size: เทนเซอร์จำนวนเต็มแบบสเกลาร์ที่แสดงจำนวนกล่องสูงสุดที่จะถูกเลือกโดยการระงับค่าสูงสุดที่ไม่ใช่ค่าสูงสุด
• iou_threshold: เทนเซอร์แบบ float 0 มิติ ที่แสดงถึงค่าเกณฑ์ในการตัดสินว่ากล่องต่างๆ ทับซ้อนกันมากเกินไปหรือไม่ โดยพิจารณาจากค่า IOU

การส่งคืนสินค้า:

• Output : เทนเซอร์จำนวนเต็ม 1 มิติ รูปร่าง [M] ที่แสดงดัชนีที่เลือกจากเทนเซอร์กล่อง โดยที่ M <= max_output_size

คุณลักษณะสาธารณะ

Operation operation

::tensorflow::Output selected_indices

 NonMaxSuppressionV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size,
  ::tensorflow::Input iou_threshold
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const