Seleciona avidamente um subconjunto de caixas delimitadoras em ordem decrescente de pontuação,
podando caixas que tenham alta sobreposição de interseção sobre união (IOU) com caixas previamente selecionadas. As caixas delimitadoras com pontuação inferior a `score_threshold` são removidas. As caixas delimitadoras são fornecidas como [y1, x1, y2, x2], onde (y1, x1) e (y2, x2) são as coordenadas de qualquer par diagonal de cantos de caixa e as coordenadas podem ser fornecidas como normalizadas (ou seja, situadas em o intervalo [0, 1]) ou absoluto. Observe que este algoritmo é independente de onde a origem está no sistema de coordenadas e, mais geralmente, é invariante às transformações ortogonais e translações do sistema de coordenadas; assim, a tradução ou reflexão do sistema de coordenadas resulta na seleção das mesmas caixas pelo algoritmo. A saída desta operação é um conjunto de inteiros indexados na coleção de entrada de caixas delimitadoras que representam as caixas selecionadas. As coordenadas da caixa delimitadora correspondentes aos índices selecionados podem então ser obtidas usando a `operação tf.gather`. Por exemplo: selected_indices = tf.image.non_max_suppression_v2( boxes, score, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) Esta operação também suporta um modo Soft-NMS (com ponderação gaussiana) (cf Bodla et al , https://arxiv.org/abs/1704.04503) onde as caixas reduzem a pontuação de outras caixas sobrepostas em vez de fazer com que sejam podadas diretamente. Para habilitar este modo Soft-NMS, defina o parâmetro `soft_nms_sigma` para ser maior que 0.
Classes aninhadas
| aula | NãoMaxSuppressionV5.Options | Atributos opcionais para NonMaxSuppressionV5 | |
Métodos Públicos
| estático <T estende número> NonMaxSuppressionV5 <T> | |
| NonMaxSuppressionV5.Options estático | padToMaxOutputSize (booleano padToMaxOutputSize) |
| Saída <Inteiro> | índices selecionados () Um tensor inteiro 1-D de forma `[M]` representando os índices selecionados do tensor de caixas, onde `M <= max_output_size`. |
| Saída <T> | pontuações selecionadas () Um tensor flutuante 1-D de forma `[M]` representando as pontuações correspondentes para cada caixa selecionada, onde `M <= max_output_size`. |
| Saída <Inteiro> | saídas válidas () Um tensor inteiro 0-D que representa o número de elementos válidos em `selected_indices`, com os elementos válidos aparecendo primeiro. |
Métodos herdados
Métodos Públicos
public static NonMaxSuppressionV5 <T> create ( Escopo , Operando <T> caixas, Operando <T> pontuações, Operando <Integer> maxOutputSize, Operando <T> iouThreshold, Operando <T> scoreThreshold, Operando <T> softNmsSigma, Opções.. .opções )
Método de fábrica para criar uma classe que agrupa uma nova operação NonMaxSuppressionV5.
Parâmetros
| escopo | escopo atual |
|---|---|
| caixas | Um tensor flutuante 2-D de forma `[num_boxes, 4]`. |
| pontuações | Um tensor flutuante 1-D de forma `[num_boxes]` representando uma única pontuação correspondente a cada caixa (cada linha de caixas). |
| maxOutputSize | Um tensor inteiro escalar que representa o número máximo de caixas a serem selecionadas por supressão não máxima. |
| iouThreshold | Um tensor flutuante 0-D que representa o limite para decidir se as caixas se sobrepõem demais em relação ao IOU. |
| pontuaçãoLimite | Um tensor flutuante 0-D que representa o limite para decidir quando remover caixas com base na pontuação. |
| softNmsSigma | Um tensor flutuante 0-D representando o parâmetro sigma para Soft NMS; veja Bodla et al (cf https://arxiv.org/abs/1704.04503). Quando `soft_nms_sigma=0.0` (que é o padrão), voltamos ao NMS padrão (hard). |
| opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de NonMaxSuppressionV5
público estático NonMaxSuppressionV5.Options padToMaxOutputSize (Boolean padToMaxOutputSize)
Parâmetros
| padToMaxOutputSize | Se for verdade, a saída `selected_indices` será preenchida para ter o comprimento `max_output_size`. O padrão é falso. |
|---|
saída pública <inteiro> selecionadoIndices ()
Um tensor inteiro 1-D de forma `[M]` representando os índices selecionados do tensor de caixas, onde `M <= max_output_size`.
Saída pública <T> selectScores ()
Um tensor flutuante 1-D de forma `[M]` representando as pontuações correspondentes para cada caixa selecionada, onde `M <= max_output_size`. As pontuações diferem apenas das pontuações de entrada correspondentes ao usar Soft NMS (ou seja, quando `soft_nms_sigma>0`)
saída pública <inteiro> saídas válidas ()
Um tensor inteiro 0-D que representa o número de elementos válidos em `selected_indices`, com os elementos válidos aparecendo primeiro.