首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >tf.image.non_max_suppression

tf.image.non_max_suppression

作者头像
狼啸风云
修改2022-09-04 20:54:06
1.4K0
修改2022-09-04 20:54:06
举报
tf.image.non_max_suppression(
    boxes,
    scores,
    max_output_size,
    iou_threshold=0.5,
    score_threshold=float('-inf'),
    name=None
)

贪婪地选择按得分降序排列的边界框子集。删除与先前选择的框具有高交叉-过度联合(IOU)重叠的框。边界框以[y1, x1, y2, x2]的形式提供,其中(y1, x1)和(y2, x2)为任意对角对角框角的坐标,坐标可以标准化(即,位于区间[0,1]或绝对区间。注意,这个算法不知道原点在坐标系中的什么位置。注意,这个算法对于坐标系的正交变换和平移是不变的;因此,坐标系统的平移或反射会导致算法选择相同的框。这个操作的输出是一组整数,索引到表示所选框的边界框的输入集合中。然后使用tf可以获得与所选索引对应的边界框坐标。收集操作。例如:selected_indices = tf.image。non_max_suppression(box, scores, max_output_size, iou_threshold)选择ted_boxes = tf。收集(盒、selected_indices)

参数:

  • box: 形状的二维浮点张量[num_boxes, 4]。
  • scores: 形状[num_boxes]的一维浮点张量,表示每个盒子(每行盒子)对应的单个分数。
  • max_output_size: 一个标量整数张量,表示要通过非max抑制选择的最大框数。
  • iou_threshold: 一个浮点数,表示判断框是否与IOU重叠过多的阈值。
  • score_threshold: 一个浮点数,表示根据分数决定何时删除框的阈值。
  • name: 操作的名称(可选)。

返回值:

  • selected_indices:形状[M]的一维整数张量,表示从box张量中选择的指标,其中M <= max_output_size。

原链接: https://tensorflow.google.cn/versions/r1.9/api_docs/python/tf/image/non_max_suppression?hl=en

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2019年06月16日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档