tensorflow::ops::NonMaxSuppressionV5

#include <image_ops.h>

Жадно выбирает подмножество прямоугольников с границами в порядке убывания оценки.

Краткое описание

Удаляет прямоугольники с большим перекрытием по коэффициенту пересечения/объединения (IOU) с ранее выбранными прямоугольниками. Прямоугольники с оценкой меньше, чем score_threshold удаляются. Прямоугольники задаются как [y1, x1, y2, x2], где (y1, x1) и (y2, x2) — координаты любой пары диагональных углов прямоугольника, а координаты могут быть нормализованными (т. е. лежать в интервале [0, 1]) или абсолютными. Заметим, что этот алгоритм не зависит от начала координат и, в более общем случае, инвариантен к ортогональным преобразованиям и трансляциям системы координат; следовательно, трансляции или отражения системы координат приводят к выбору тех же прямоугольников алгоритмом. Выход этой операции — набор целых чисел, индексирующих входную коллекцию прямоугольников, представляющих выбранные прямоугольники. Координаты прямоугольников, 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) Данный оператор также поддерживает режим Soft-NMS (с гауссовым взвешиванием) (см. Bodla и др., https://arxiv.org/abs/1704.04503), где прямоугольники уменьшают оценку других перекрывающихся прямоугольников вместо их прямого удаления. Чтобы включить этот режим Soft-NMS, установите параметр soft_nms_sigma значением больше 0.

Аргументы:

• scope: Объект Scope
• boxes: 2-мерный float-тензор формы [num_boxes, 4].
• scores: 1-мерный float-тензор формы [num_boxes], представляющий одиночную оценку, соответствующую каждому прямоугольнику (каждой строке прямоугольников).
• max_output_size: Скалярный целочисленный тензор, представляющий максимальное количество прямоугольников, которые будут выбраны с помощью подавления по не-максимуму.
• iou_threshold: 0-мерный float-тензор, представляющий порог для определения, перекрываются ли прямоугольники слишком сильно относительно IOU.
• score_threshold: 0-мерный float-тензор, представляющий порог для определения, когда следует удалять прямоугольники на основе оценки.
• soft_nms_sigma: 0-мерный float-тензор, представляющий параметр сигма для Soft-NMS; см. Bodla и др. (см. https://arxiv.org/abs/1704.04503). При значении soft_nms_sigma=0.0 (по умолчанию) мы возвращаемся к стандартному (жесткому) NMS.

Необязательные атрибуты (см. Attrs):

• pad_to_max_output_size: Если true, выходной selected_indices дополняется до длины max_output_size. По умолчанию false.

Возвращает:

• Output selected_indices: 1-мерный целочисленный тензор формы [M], представляющий выбранные индексы из тензора boxes, где M <= max_output_size.
• Output selected_scores: 1-мерный float-тензор формы [M], представляющий соответствующие оценки для каждого выбранного прямоугольника, где M <= max_output_size. Оценки отличаются от соответствующих входных оценок только при использовании Soft-NMS (т. е. при soft_nms_sigma>0)
• Output valid_outputs: 0-мерный целочисленный тензор, представляющий количество допустимых элементов в selected_indices, причём допустимые элементы появляются первыми.

Общедоступные атрибуты

Operation operation

::tensorflow::Output selected_indices

::tensorflow::Output selected_scores

::tensorflow::Output valid_outputs

Общедоступные функции

 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
)

Общедоступные статические функции

Attrs PadToMaxOutputSize(
  bool x
)