tensorflow:: ops:: CombinedNonMaxSuppression

স্কোরের অবরোহী ক্রমে বাউন্ডিং বক্সগুলির একটি উপসেট লোভীভাবে নির্বাচন করে।

সারসংক্ষেপ

এই অপারেশনটি সমস্ত ক্লাসের জন্য, প্রতি ব্যাচে ইনপুটগুলির উপর নন-ম্যাক্স সাপ্রেশন (non_max_suppression) প্রয়োগ করে। এটি সেইসব বক্স ছেঁটে ফেলে যেগুলির পূর্বে নির্বাচিত বক্সগুলির সাথে উচ্চ ইন্টারসেকশন-ওভার-ইউনিয়ন (IOU) ওভারল্যাপ রয়েছে। বাউন্ডিং বক্সগুলি [y1, x1, y2, x2] হিসাবে সরবরাহ করা হয়, যেখানে (y1, x1) এবং (y2, x2) হল বক্সের কোণার যেকোনো ডায়াগোনাল জোড়ার স্থানাঙ্ক এবং স্থানাঙ্কগুলি নর্মালাইজড (অর্থাৎ, [0, 1] ব্যবধির মধ্যে অবস্থিত) বা অ্যাবসোলিউট হিসাবে সরবরাহ করা যেতে পারে। উল্লেখ্য যে, এই অ্যালগরিদম স্থানাঙ্ক ব্যবস্থায় মূলবিন্দু কোথায় আছে সে বিষয়ে উদাসীন। আরও উল্লেখ্য যে, এই অ্যালগরিদম স্থানাঙ্ক ব্যবস্থার অর্থোগোনাল রূপান্তর এবং স্থানান্তরের ক্ষেত্রে ইনভেরিয়েন্ট; সুতরাং স্থানাঙ্ক ব্যবস্থার স্থানান্তর বা প্রতিফলনের ফলে অ্যালগরিদম দ্বারা একই বক্সগুলি নির্বাচিত হয়। এই অপারেশনের আউটপুট হল নন-ম্যাক্স সাপ্রেশন সম্পাদন করার পরে ফেরত আসা চূড়ান্ত বক্স, স্কোর এবং ক্লাস টেনসর।

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• বক্স: [batch_size, num_boxes, q, 4] আকারের একটি ৪-মাত্রিক ফ্লোট টেনসর। যদি q এর মান ১ হয়, তবে সকল ক্লাসের জন্য একই বক্স ব্যবহৃত হবে; অন্যথায়, যদি q মান ক্লাসের সংখ্যার সমান হয়, তবে ক্লাস-ভিত্তিক বক্স ব্যবহৃত হবে।
• স্কোর: [batch_size, num_boxes, num_classes] আকারের একটি ত্রি-মাত্রিক ফ্লোট টেনসর, যা প্রতিটি বক্সের (বক্সের প্রতিটি সারির) সংশ্লিষ্ট একটি একক স্কোরকে উপস্থাপন করে।
• max_output_size_per_class: একটি স্কেলার পূর্ণসংখ্যা টেনসর যা প্রতি ক্লাসে নন-ম্যাক্স সাপ্রেশন পদ্ধতিতে নির্বাচিত হতে যাওয়া বক্সের সর্বোচ্চ সংখ্যাকে নির্দেশ করে।
• max_total_size: একটি স্কেলার যা সমস্ত ক্লাস জুড়ে রাখা বক্সের সর্বাধিক সংখ্যা নির্দেশ করে।
• iou_threshold: একটি ০-মাত্রিক ফ্লোট টেনসর যা IOU-এর সাপেক্ষে বক্সগুলো খুব বেশি ওভারল্যাপ করছে কিনা তা নির্ধারণের থ্রেশহোল্ডকে উপস্থাপন করে।
• score_threshold: একটি ০-মাত্রিক ফ্লোট টেনসর, যা স্কোরের ভিত্তিতে বক্স অপসারণের সিদ্ধান্ত নেওয়ার থ্রেশহোল্ডকে নির্দেশ করে।

ঐচ্ছিক অ্যাট্রিবিউটসমূহ (দেখুন Attrs ):

• pad_per_class: যদি false হয়, তাহলে আউটপুট nmsed বক্স, স্কোর এবং ক্লাস max_total_size পর্যন্ত প্যাড/ক্লিপ করা হয়। যদি true হয়, তাহলে আউটপুট nmsed বক্স, স্কোর এবং ক্লাস max_size_per_class * num_classes দৈর্ঘ্য পর্যন্ত প্যাড করা হয়, যদি না তা max_total_size অতিক্রম করে, সেক্ষেত্রে তা max_total_size পর্যন্ত ক্লিপ করা হয়। ডিফল্ট মান false।
• clip_boxes: যদি true হয়, তাহলে ধরে নেওয়া হবে যে বক্সের স্থানাঙ্ক [0, 1]-এর মধ্যে আছে এবং যদি তা [0, 1]-এর বাইরে চলে যায়, তবে আউটপুট বক্সগুলো ক্লিপ করা হবে। যদি false হয়, তাহলে ক্লিপিং করা হবে না এবং বক্সের স্থানাঙ্ক যেমন আছে তেমনই আউটপুট হিসেবে দেওয়া হবে।

ফেরত:

• Output nmsed_boxes: একটি [batch_size, max_detections, 4] float32 টেনসর, যাতে সর্বোচ্চ দমন করা হয়নি এমন বক্সগুলো থাকে।
• Output nmsed_scores: একটি [batch_size, max_detections] float32 টেনসর, যা বক্সগুলোর স্কোর ধারণ করে।
• Output nmsed_classes: একটি [batch_size, max_detections] float32 টেনসর, যা বক্সগুলোর ক্লাস ধারণ করে।
• Output valid_detections: একটি [batch_size] int32 টেনসর যা প্রতি ব্যাচ আইটেমে বৈধ ডিটেকশনের সংখ্যা নির্দেশ করে। nms_boxes[i], nms_scores[i] এবং nms_class[i]-এর মধ্যে শুধুমাত্র শীর্ষ num_detections[i] টি এন্ট্রি বৈধ। বাকি এন্ট্রিগুলো শূন্য দ্বারা পূর্ণ থাকে।

জনসাধারণের বৈশিষ্ট্য

::tensorflow::Output nmsed_boxes

::tensorflow::Output nmsed_classes

::tensorflow::Output nmsed_scores

Operation operation

::tensorflow::Output valid_detections

 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
)