tf.raw_ops.NonMaxSuppressionV5

Жадно выбирает подмножество прямоугольников, отсортированных по убыванию оценки,

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

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 прямоугольники, которые имеют высокое перекрытие по отношению к площади 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, и координаты могут быть заданы как нормированные (т. е. лежащие в интервале [0, 1]) или абсолютные. Обратите внимание, что этот алгоритм не зависит от расположения начала координат в системе координат и, более широко, инвариантен к ортогональным преобразованиям и переводу системы координат; таким образом, перевод или отражения системы координат приводят к тому, что алгоритм выбирает те же прямоугольники. Результатом этой операции является набор целых чисел, индексирующих входной набор прямоугольников, представляющих выбранные прямоугольники. Координаты прямоугольников, соответствующие выбранным индексам, можно получить, используя 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) Этот оператор также поддерживает режим Soft-NMS (с гауссовым весом) (см. Bodla и др., https://arxiv.org/abs/1704.04503), в котором прямоугольники уменьшают оценку других перекрывающихся прямоугольников вместо непосредственного удаления их. Для включения режима Soft-NMS установите параметр soft_nms_sigma больше нуля.

Аргументы
`boxes`	A `Tensor`. Должен быть одним из следующих типов: `half`, `float32`. A 2-мерный float-тензор формы `[num_boxes, 4]`.
`scores`	A `Tensor`. Должен иметь тот же тип, что и `boxes`. A 1-мерный float-тензор формы `[num_boxes]` представляющий одиночную оценку, соответствующую каждому прямоугольнику (каждая строка прямоугольников).
`max_output_size`	A `Tensor` типа `int32`. Скалярный целочисленный тензор, представляющий максимальное число прямоугольников, выбираемых с помощью подавления не максимальных.
`iou_threshold`	A `Tensor`. Должен иметь тот же тип, что и `boxes`. A 0-мерный float-тензор, представляющий порог для определения того, перекрываются ли прямоугольники слишком сильно относительно IOU.
`score_threshold`	A `Tensor`. Должен иметь тот же тип, что и `boxes`. A 0-мерный float-тензор, представляющий порог для определения того, когда необходимо удалять прямоугольники на основе оценки.
`soft_nms_sigma`	A `Tensor`. Должен иметь тот же тип, что и `boxes`. A 0-мерный float-тензор, представляющий параметр сигмы для Soft NMS; см. Bodla и др. (см. https://arxiv.org/abs/1704.04503). Когда `soft_nms_sigma=0.0` (по умолчанию), мы возвращаемся к стандартному (жесткому) подавлению не максимальных.
`pad_to_max_output_size`	Необязательный `bool`. По умолчанию `False`. Если true, выходной `selected_indices` дополняется до длины `max_output_size`. По умолчанию false.
`name`	Имя операции (необязательно).

Возвращаемые значения
Кортеж объектов `Tensor` (selected_indices, selected_scores, valid_outputs).
`selected_indices`	A `Tensor` типа `int32`.
`selected_scores`	A `Tensor`. Имеет тот же тип, что и `boxes`.
`valid_outputs`	A `Tensor` типа `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/versions/r2.9/api_docs/python/tf/raw_ops/NonMaxSuppressionV5