tf.image.combined_non_max_suppression
| Просмотреть исходный код на GitHub |
Жадно выбирает подмножество прямоугольников с границами в порядке убывания оценки.
tf.image.combined_non_max_suppression(
boxes, scores, max_output_size_per_class, max_total_size, iou_threshold=0.5,
score_threshold=float('-inf'), pad_per_class=False, clip_boxes=True, name=None
)
Эта операция выполняет не максимальное подавление на входных данных по партиям для всех классов. Удаляет прямоугольники, которые имеют большое пересечение/объединение (IOU) с ранее выбранными прямоугольниками. Прямоугольники предоставляются как [y1, x1, y2, x2], где (y1, x1) и (y2, x2) — координаты любой диагональной пары углов прямоугольника, и координаты могут быть предоставлены в нормализованном виде (т. е. в интервале [0, 1]) или в абсолютных величинах. Обратите внимание, что этот алгоритм не зависит от того, где находится начало координат в системе координат. Также обратите внимание, что этот алгоритм инвариантен к ортогональным преобразованиям и сдвигам системы координат; таким образом, сдвиги или отражения системы координат приводят к тому, что алгоритм выбирает те же прямоугольники. Результатом этой операции является тензор с окончательными прямоугольниками, оценками и классами, возвращаемый после выполнения не максимального подавления.
| Аргументы | |
|---|---|
boxes | Четырёхмерный числовой тензор Tensor формы [batch_size, num_boxes, q, 4]. Если q равно 1, то для всех классов используются одинаковые прямоугольники, в противном случае, если q равно числу классов, используются прямоугольники, специфичные для каждого класса. |
scores | Трехмерный числовой тензор Tensor формы [batch_size, num_boxes, num_classes] представляющий одиночную оценку, соответствующую каждому прямоугольнику (каждая строка прямоугольников). |
max_output_size_per_class | Скалярное целое число Tensor представляющее максимальное количество прямоугольников, которые должны быть выбраны подавлением не максимальных значений для каждого класса. |
max_total_size | Скаляр, представляющий максимальное количество прямоугольников, сохраняемых для всех классов. |
iou_threshold | Вещественное число, представляющее порог для определения того, перекрываются ли слишком сильно прямоугольники с точки зрения IOU. |
score_threshold | Вещественное число, представляющее порог для определения того, когда следует удалять прямоугольники на основе оценки. |
pad_per_class | Если ложь, то выходные прямоугольники, оценки и классы дополняются/обрезаются до max_total_size. Если истина, то выходные прямоугольники, оценки и классы дополняются до длины max_size_per_class*num_classes, если это значение превышает max_total_size, то оно обрезается до max_total_size. По умолчанию ложь. |
clip_boxes | Если истина, то координаты выходных прямоугольников будут обрезаны до [0, 1]. Если ложь, то координаты прямоугольников будут выведены как есть. По умолчанию истина. |
name | Имя операции (необязательно). |
| Возвращаемые значения | |
|---|---|
| 'nmsed_boxes': Тензор float32 [batch_size, max_detections, 4], содержащий прямоугольники, прошедшие не максимальное подавление. 'nmsed_scores': Тензор float32 [batch_size, max_detections], содержащий оценки для прямоугольников. 'nmsed_classes': Тензор float32 [batch_size, max_detections], содержащий класс для прямоугольников. 'valid_detections': Тензор int32 [batch_size], указывающий количество корректных обнаружений на элемент в партии. Только первые valid_detections[i] элементов в nms_boxes[i], nms_scores[i] и nms_class[i] являются корректными. Остальные элементы заполняются нулями. |
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/image/combined_non_max_suppression
