tensorflow::ops::NonMaxSuppressionV5

Puanlarına göre azalan sırada, sınırlayıcı kutuların bir alt kümesini açgözlü bir şekilde seçer.

Özet

Daha önce seçilen kutularla yüksek kesişim-birleşim (IOU) örtüşmesine sahip kutular elenir. Skoru score_threshold düşük olan sınırlayıcı kutular kaldırılır. Sınırlayıcı kutular [y1, x1, y2, x2] olarak verilir; burada (y1, x1) ve (y2, x2), kutu köşelerinin herhangi bir diyagonal çiftinin koordinatlarıdır ve koordinatlar normalize edilmiş (yani [0, 1] aralığında yer alan) veya mutlak olarak verilebilir. Bu algoritmanın, koordinat sisteminde orijinin nerede olduğuna duyarsız olduğunu ve daha genel olarak koordinat sisteminin ortogonal dönüşümlerine ve ötelemelerine karşı değişmez olduğunu unutmayın; bu nedenle koordinat sisteminin ötelemesi veya yansıması, algoritma tarafından aynı kutuların seçilmesine neden olur. Bu işlemin çıktısı, seçilen kutuları temsil eden giriş sınırlayıcı kutu koleksiyonuna indekslenen bir dizi tamsayıdır. Seçilen indekslere karşılık gelen sınırlayıcı kutu koordinatları daha sonra tf.gather operation kullanılarak elde edilebilir. Örneğin: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) Bu işlem ayrıca, kutuların diğer örtüşen kutuların puanını doğrudan budamaya neden olmak yerine azalttığı bir Soft-NMS (Gauss ağırlıklandırması ile) modunu da destekler (bkz. Bodla vd., https://arxiv.org/abs/1704.04503 ). Bu Soft-NMS modunu etkinleştirmek için soft_nms_sigma parametresini 0'dan büyük bir değere ayarlayın.

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• kutular: [num_boxes, 4] şeklinde 2 boyutlu kayan noktalı bir tensör.
• Puanlar: Her kutuya (her kutu satırına) karşılık gelen tek bir puanı temsil eden [num_boxes] şeklinde 1 boyutlu kayan noktalı bir tensör.
• max_output_size: Maksimum bastırma olmaksızın seçilebilecek maksimum kutu sayısını temsil eden skalar bir tamsayı tensörü.
• iou_threshold: Kutuların IOU'ya göre çok fazla örtüşüp örtüşmediğine karar vermek için kullanılan eşiği temsil eden 0 boyutlu kayan noktalı bir tensör.
• score_threshold: Puana bağlı olarak kutuların ne zaman kaldırılacağına karar vermek için kullanılan eşiği temsil eden 0 boyutlu kayan noktalı bir tensör.
• soft_nms_sigma: Yumuşak NMS için sigma parametresini temsil eden 0 boyutlu kayan noktalı bir tensör; bkz. Bodla vd. (bkz. https://arxiv.org/abs/1704.04503 ). soft_nms_sigma=0.0 olduğunda (varsayılan değer), standart (sert) NMS'ye geri döneriz.

İsteğe bağlı özellikler (bkz. Attrs ):

• pad_to_max_output_size: Eğer true ise, selected_indices çıktısı max_output_size uzunluğuna kadar doldurulur. Varsayılan değer false'tur.

İadeler:

• Seçilen_indeksler Output : Kutular tensöründen seçilen indeksleri temsil eden [M] şeklinde 1 boyutlu bir tamsayı tensörü; burada M <= max_output_size .
• Seçilen_puanları Output : Seçilen her kutu için karşılık gelen puanları temsil eden [M] şeklinde 1 boyutlu kayan noktalı bir tensör; burada M <= max_output_size . Puanlar, yalnızca Soft NMS kullanıldığında (yani soft_nms_sigma>0 olduğunda) karşılık gelen giriş puanlarından farklıdır.
• valid_outputs Output : selected_indices geçerli elemanların sayısını temsil eden 0 boyutlu bir tamsayı tensörü; geçerli elemanlar önce gelir.

Genel özellikler

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
)