tf.raw_ops.NonMaxSuppressionV5

Жадно выбирает подмножество прямоугольных областей в порядке убывания оценки,

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.raw_ops.NonMaxSuppressionV5

tf.raw_ops.NonMaxSuppressionV5(
    boxes,
    scores,
    max_output_size,
    iou_threshold,
    score_threshold,
    soft_nms_sigma,
    pad_to_max_output_size=False,
    name=None
)

удаляя прямоугольные области, которые имеют высокое перекрытие по площади (IOU) с ранее выбранными прямоугольными областями. Прямоугольные области с оценкой меньше, чем score_threshold удаляются. Прямоугольные области предоставляются как [y1, x1, y2, x2], где (y1, x1) и (y2, x2) — координаты любой диагональной пары углов прямоугольной области, и координаты могут быть предоставлены в нормированном виде (т. е. лежать в интервале [0, 1]) или в абсолютном виде. Обратите внимание, что этот алгоритм не зависит от того, где находится начало координат в системе координат, и, более обще, инвариантен к ортогональным преобразованиям и сдвигам системы координат; таким образом, перевод или отражение системы координат приводят к тому, что алгоритм выбирает те же прямоугольные области. Результатом этой операции является набор целых чисел, индексирующих входную коллекцию прямоугольных областей, представляющих выбранные прямоугольные области. Координаты прямоугольных областей, соответствующие выбранным индексам, можно получить с помощью tf.gather operation. Например: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) Эта операция также поддерживает режим Soft-NMS (с гауссовым весом) (см. Bodla и др., https://arxiv.org/abs/1704.04503), где прямоугольные области уменьшают оценку других перекрывающихся прямоугольных областей вместо прямого удаления их. Чтобы включить этот режим Soft-NMS, установите параметр soft_nms_sigma больше нуля.

Аргументы
`boxes`	A `Tensor`. Must be one of the following types: `half`, `float32`. A 2-D float tensor of shape `[num_boxes, 4]`.
`scores`	A `Tensor`. Must have the same type as `boxes`. A 1-D float tensor of shape `[num_boxes]` representing a single score corresponding to each box (each row of boxes).
`max_output_size`	A `Tensor` of type `int32`. A scalar integer tensor representing the maximum number of boxes to be selected by non max suppression.
`iou_threshold`	A `Tensor`. Must have the same type as `boxes`. A 0-D float tensor representing the threshold for deciding whether boxes overlap too much with respect to IOU.
`score_threshold`	A `Tensor`. Must have the same type as `boxes`. A 0-D float tensor representing the threshold for deciding when to remove boxes based on score.
`soft_nms_sigma`	A `Tensor`. Must have the same type as `boxes`. A 0-D float tensor representing the sigma parameter for Soft NMS; see Bodla et al (c.f. https://arxiv.org/abs/1704.04503). When `soft_nms_sigma=0.0` (which is default), we fall back to standard (hard) NMS.
`pad_to_max_output_size`	An optional `bool`. Defaults to `False`. If true, the output `selected_indices` is padded to be of length `max_output_size`. Defaults to false.
`name`	Имя операции (необязательно).

Возвращаемое значение
Кортеж объектов `Tensor` (selected_indices, selected_scores, valid_outputs).
`selected_indices`	A `Tensor` of type `int32`.
`selected_scores`	A `Tensor`. Has the same type as `boxes`.
`valid_outputs`	A `Tensor` of type `int32`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/raw_ops/NonMaxSuppressionV5