tf.image.non_max_suppression_with_scores

Жадно выбирает подмножество прямоугольников по убыванию оценки.

tf.image.non_max_suppression_with_scores(
    boxes,
    scores,
    max_output_size,
    iou_threshold=0.5,
    score_threshold=float('-inf'),
    soft_nms_sigma=0.0,
    name=None
)

Удаляет прямоугольники, которые имеют высокую степень перекрытия по площади объединения (IOU) с ранее выбранными прямоугольниками. Прямоугольники задаются как [y1, x1, y2, x2], где (y1, x1) и (y2, x2) являются координатами любой пары диагональных углов прямоугольника, и координаты могут быть заданы в нормированном виде (т.е., лежащие в интервале [0, 1]) или абсолютном. Обратите внимание, что этот алгоритм не зависит от положения начала координат в системе координат. Обратите внимание, что этот алгоритм инвариантен к ортогональным преобразованиям и сдвигам системы координат; таким образом, перевод или отражение системы координат приводит к выбору тех же прямоугольников алгоритмом. Результатом этой операции является набор целых чисел, индексирующих входной набор прямоугольников, представляющих выбранные прямоугольники. Координаты прямоугольников, соответствующие выбранным индексам, можно получить с помощью операции tf.gather. Например:

selected_indices, selected_scores = tf.image.non_max_suppression_padded(
    boxes, scores, max_output_size, iou_threshold=1.0, score_threshold=0.1,
    soft_nms_sigma=0.5)
selected_boxes = tf.gather(boxes, selected_indices)

Эта функция обобщает операцию tf.image.non_max_suppression, поддерживая также режим Soft-NMS (с взвешиванием Гаусса) (см. Bodla и др., https://arxiv.org/abs/1704.04503), где прямоугольники уменьшают оценку других перекрывающихся прямоугольников вместо прямого удаления. Следовательно, в отличие от tf.image.non_max_suppression, tf.image.non_max_suppression_with_scores возвращает новые оценки каждого входного прямоугольника во втором выходе, selected_scores.

Для включения режима Soft-NMS установите параметр soft_nms_sigma больше нуля. Когда soft_nms_sigma равно 0, поведение tf.image.non_max_suppression_with_scores идентично поведению tf.image.non_max_suppression (кроме дополнительного вывода) как по функциональности, так и по времени выполнения.

Обратите внимание, что при soft_nms_sigma > 0 выполняется Soft-NMS и iou_threshold игнорируется. iou_threshold используется только для стандартного NMS.