Bu operasyon, arXiv:1506.01497'deki denklem 2'ye göre verilen sınırlayıcı kutulardan (bbox_deltas) kodlanmış wrt çapalarından İlgi Alanları üretir.
Operasyon, en iyi "pre_nms_topn" puanlama kutularını seçer, bunların kodunu çapalara göre çözer, "nms_threshold" kesişim-over-birleşim (iou) değerinden daha yüksek olan üst üste binen kutulara maksimum olmayan bastırma uygular, kısa kenarın "'den küçük olduğu kutuları atar. min_size`. Girdiler: "puanlar": Belirli bir konumdaki bağlantı başına puanları içeren [Topluluk, Yükseklik, Genişlik, Bağlantı Sayısı] 4 boyutlu bir tensördür "bbox_deltas": [Topluluk, Yükseklik, Genişlik, 4 x Bağlantı Sayısı] şeklinde bir tensördür her bir çapa 'çapaya' kodlanmış kutular: Çapaları temsil eden 1 boyutlu bir şekil tensörü [4 x Çapa Sayısı]. Çıktılar: "rois": çıktı RoI'leri, [Batch, post_nms_topn, 4] şeklinde bir 3 boyutlu tensör, post_nms_topn adaylarından daha az bulunursa 0 ile doldurulur. 'roi_probability': 'rois'teki her yatırım getirisinin olasılık puanları, 2 boyutlu bir şekil tensörü [Batch,post_nms_topn], gerekirse 0 ile doldurulur ve puanlara göre sıralanır.
İç İçe Sınıflar
| sınıf | GenerateBoundingBoxProposals.Options | GenerateBoundingBoxProposals için isteğe bağlı özellikler | |
Genel Yöntemler
| statik GenerateBoundingBoxTeklifler | create ( Kapsam kapsamı, İşlenen <Float> puanları, İşlenen <Float> bboxDeltas, İşlenen <Float> imageInfo, İşlenen <Float> çapaları, İşlenen <Float> nmsThreshold, İşlenen <Tamsayı> preNmsTopn, İşlenen <Float> minSize , Seçenekler.. . seçenekler) Yeni bir GenerateBoundingBoxProposals işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi. |
| statik GenerateBoundingBoxProposals.Options | postNmsTopn (Uzun mesajNmsTopn) |
| Çıkış <Kayanma> | roiOlasılıklar () Aynı indeksteki "rois" tensöründeki ilgi alanı bölgesinin puanını temsil eden "[num_images, post_nms_topn]" şeklindeki 2 boyutlu kayan tensör. |
| Çıkış <Kayanma> | rois () Seçilen ilgi kutusu bölgesini temsil eden `[num_images,post_nms_topn,4]' şeklinde 3 boyutlu kayan tensör. |
Kalıtsal Yöntemler
Genel Yöntemler
public static GenerateBoundingBoxProposals create ( Kapsam kapsamı, İşlenen <Float> puanları, İşlenen <Float> bboxDeltas , İşlenen <Float> imageInfo, İşlenen <Float> çapaları, İşlenen <Float> nmsThreshold, İşlenen <Tamsayı> preNmsTopn, İşlenen <Float> minSize, Seçenekler... seçenekler)
Yeni bir GenerateBoundingBoxProposals işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Parametreler
| kapsam | mevcut kapsam |
|---|---|
| puanlar | Belirli bağlantılara ait kutuların puanlarını içeren "[num_images, height, width, num_achors]" şeklindeki 4 boyutlu kayan nokta tensörünün sıralaması kaldırılabilir. |
| bboxDeltas | "[num_images, height, width, 4 x num_anchors]" şeklindeki 4 boyutlu kayan tensör. her bir bağlantıya göre kutuları kodlamak. Koordinatlar [dy, dx, dh, dw] biçiminde verilir. |
| görüntü bilgisi | Yükseklik, Genişlik, Ölçek görüntü bilgilerini içeren "[num_images, 5]" şeklinde 2 boyutlu kayan tensör. |
| çapalar | Bağlantı kutularını tanımlayan "[num_anchors, 4]" şeklindeki 2 boyutlu kayan tensör. Kutular [y1, x1, y2, x2] biçiminde biçimlendirilir. |
| nmsEşik | Maksimum olmayan bastırma eşiği için skaler bir kayan nokta tensörü. |
| preNmsTopn | Giriş olarak kullanılacak en iyi puanlama kutularının sayısı için bir skaler tam tensör. |
| minBoyut | Bir skaler şamandıra tensörü. Min_size boyutundan daha küçük olan tüm kutular atılacaktır. |
| seçenekler | isteğe bağlı nitelik değerlerini taşır |
İadeler
- GenerateBoundingBoxProposals'ın yeni bir örneği
public static GenerateBoundingBoxProposals.Options postNmsTopn (Uzun gönderiNmsTopn)
Parametreler
| gönderiNmsTopn | Bir tam sayı. Çıkıştaki maksimum yatırım getirisi sayısı. |
|---|
public Output <Float> roiProbability ()
Aynı indeksteki "rois" tensöründeki ilgi alanı bölgesinin puanını temsil eden "[num_images, post_nms_topn]" şeklindeki 2 boyutlu kayan tensör.
public Çıkış <Float> rois ()
Seçilen ilgi kutusu bölgesini temsil eden `[num_images,post_nms_topn,4]' şeklindeki 3 boyutlu kayan tensör. Puanlara göre azalan şekilde sıralanmıştır.