NonMaxSuppression

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

以前に選択したボックスと重複する交差オーバーユニオン (IOU) が高いボックスを削除します。スコアが「score_threshold」未満の境界ボックスは削除されます。境界ボックスは [y1, x1, y2, x2] として指定されます。ここで、(y1, x1) および (y2, x2) はボックスの角の対角ペアの座標であり、座標は正規化されたものとして提供できます (つまり、間隔 [0, 1]) または絶対値。このアルゴリズムは、原点が座標系のどこにあるかに依存せず、より一般的には、座標系の直交変換および平行移動に対して不変であることに注意してください。したがって、座標系の変換または反映により、同じボックスがアルゴリズムによって選択されます。この操作の出力は、選択されたボックスを表す境界ボックスの入力コレクションにインデックスを付ける整数のセットです。選択したインデックスに対応する境界ボックスの座標は、「tf.gather 操作」を使用して取得できます。例: selected_indices = tf.image.non_max_suppression_v2(boxes,scores,max_output_size,iou_threshold,score_threshold) selected_boxes = tf.gather(boxes, selected_indices) この演算は、Soft-NMS (ガウス重み付け付き) モードもサポートしています (Bodla et al を参照) 、https://arxiv.org/abs/1704.04503) ここで、ボックスは他の重なり合うボックスを直接枝刈りさせるのではなく、そのスコアを減らします。この Soft-NMS モードを有効にするには、「soft_nms_sigma」パラメータを 0 より大きく設定します。