tensorflow:: عملیات:: NonMaxSuppressionWithOverlaps

حریصانه زیرمجموعه‌ای از کادرهای محصورکننده را به ترتیب نزولی امتیاز انتخاب می‌کند.

خلاصه

کادرهایی که همپوشانی بالایی با کادرهای انتخاب شده قبلی دارند، حذف می‌شوند. کادرهای مرزی با امتیاز کمتر از score_threshold حذف می‌شوند. مقادیر همپوشانی N در n به صورت ماتریس مربع ارائه می‌شوند که امکان تعریف یک معیار همپوشانی سفارشی (مثلاً تقاطع روی اجتماع، تقاطع روی مساحت و غیره) را فراهم می‌کند.

خروجی این عملیات مجموعه‌ای از اعداد صحیح است که در مجموعه ورودی جعبه‌های محصورکننده که نشان‌دهنده جعبه‌های انتخاب‌شده هستند، فهرست‌بندی می‌شوند. مختصات جعبه محصورکننده مربوط به شاخص‌های انتخاب‌شده را می‌توان با استفاده از tf.gather operation به دست آورد. برای مثال:

selected_indices = tf.image.non_max_suppression_with_overlaps(همپوشانی‌ها، امتیازها، حداکثر اندازه خروجی، آستانه همپوشانی، آستانه امتیاز) selected_boxes = tf.gather(جعبه‌ها، شاخص‌های انتخاب‌شده)

استدلال‌ها:

• دامنه: یک شیء دامنه
• همپوشانی‌ها: یک تانسور شناور دوبعدی به شکل [num_boxes, num_boxes] که نشان‌دهنده مقادیر همپوشانی جعبه‌های n در n است.
• نمرات: یک تانسور اعشاری یک بعدی به شکل [num_boxes] که نشان دهنده یک امتیاز واحد مربوط به هر جعبه (هر ردیف از جعبه‌ها) است.
• max_output_size: یک تانسور عدد صحیح اسکالر که نشان‌دهنده حداکثر تعداد جعبه‌هایی است که باید با حذف غیر حداکثری انتخاب شوند.
• overlap_threshold: یک تانسور اعشاری صفر بعدی که آستانه‌ای را برای تصمیم‌گیری در مورد همپوشانی جعبه‌ها نشان می‌دهد.
• score_threshold: یک تانسور اعشاری صفر بعدی که نشان‌دهنده آستانه تصمیم‌گیری برای حذف جعبه‌ها بر اساس امتیاز است.

بازده:

• Output : یک تانسور عدد صحیح یک بعدی با شکل [M] که نشان‌دهنده شاخص‌های انتخاب شده از تانسور جعبه‌ای است، که در آن M <= max_output_size .

ویژگی‌های عمومی

Operation operation

::tensorflow::Output selected_indices

 NonMaxSuppressionWithOverlaps(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input overlaps,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size,
  ::tensorflow::Input overlap_threshold,
  ::tensorflow::Input score_threshold
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const