przepływ tensorowy:: ops:: Połączone tłumienie inne niż maksymalne

Chciwie wybiera podzbiór obwiedni w malejącej kolejności punktów.

Streszczenie

Ta operacja wykonuje non_max_suppression na wejściach na partię, we wszystkich klasach. Usuwa pola, które mają wysoki współczynnik przecięcia nad sumą (IOU) i nakładają się na wcześniej wybrane pola. Ramki ograniczające są dostarczane jako [y1, x1, y2, x2], gdzie (y1, x1) i (y2, x2) są współrzędnymi dowolnej pary przekątnych narożników prostokątów, a współrzędne mogą być podane jako znormalizowane (tzn. leżące w przedział [0, 1]) lub bezwzględny. Należy zauważyć, że ten algorytm jest niezależny od tego, gdzie początek znajduje się w układzie współrzędnych. Należy również zauważyć, że algorytm ten jest niezmienniczy w stosunku do transformacji ortogonalnych i translacji układu współrzędnych; w ten sposób tłumaczenie lub odbicia układu współrzędnych powodują, że algorytm wybiera te same pola. Wynikiem tej operacji są końcowe pudełka, wyniki i tensor klas zwrócone po wykonaniu non_max_suppression.

Argumenty:

• zakres: Obiekt Scope
• pudełka: 4-D tensor zmiennoprzecinkowy kształtu [batch_size, num_boxes, q, 4] . Jeśli q wynosi 1, wówczas dla wszystkich klas używane są te same pola, w przeciwnym razie, jeśli q jest równe liczbie klas, używane są pola specyficzne dla klasy.
• wyniki: trójwymiarowy tensor zmiennoprzecinkowy o kształcie [batch_size, num_boxes, num_classes] reprezentujący pojedynczy wynik odpowiadający każdemu polu (każdemu rzędowi pól).
• max_output_size_per_class: Skalarny tensor liczby całkowitej reprezentujący maksymalną liczbę pól, które mają zostać wybrane przez tłumienie inne niż maksymalne na klasę
• max_total_size: Skalar reprezentujący maksymalną liczbę pól zachowanych we wszystkich klasach.
• iou_threshold: Tensor zmiennoprzecinkowy 0-D reprezentujący próg decydujący o tym, czy pola nakładają się zbytnio na IOU.
• score_threshold: Tensor zmiennoprzecinkowy 0-D reprezentujący próg decydujący o tym, kiedy usunąć pola na podstawie wyniku.

Opcjonalne atrybuty (patrz Attrs ):

• pad_per_class: Jeśli false, wyjściowe pola, wyniki i klasy są dopełniane/przycinane do max_total_size . Jeśli ma wartość true, wyjściowe pola, wyniki i klasy nmsed są dopełniane do długości max_size_per_class * num_classes , chyba że przekracza ona max_total_size , w którym to przypadku jest przycinana do max_total_size . Domyślnie jest to fałsz.
• clip_boxes: Jeśli ma wartość true, załóż, że współrzędne pola mieszczą się w przedziale [0, 1] i przytnij pola wyjściowe, jeśli wykraczają poza [0, 1]. Jeśli fałszywe, nie wykonuj przycinania i wypisz współrzędne pudełka w niezmienionej postaci.

Zwroty:

• Output nmsed_boxes: Tensor float32 [batch_size, max_detections, 4] zawierający pola inne niż maksymalne pomijane.
• Output nmsed_scores: Tensor float32 [batch_size, max_detections] zawierający wyniki dla pól.
• Output nmsed_classes: Tensor float32 [batch_size, max_detections] zawierający klasy dla pudełek.
• Output valid_detections: Tensor [batch_size] int32 wskazujący liczbę prawidłowych wykryć na element partii. Poprawne są tylko najwyższe wpisy num_detections[i] w nms_boxes[i], nms_scores[i] i nms_class[i]. Reszta wpisów to zerowe uzupełnienia.

Atrybuty publiczne

::tensorflow::Output nmsed_boxes

::tensorflow::Output nmsed_classes

::tensorflow::Output nmsed_scores

Operation operation

::tensorflow::Output valid_detections

 CombinedNonMaxSuppression(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size_per_class,
  ::tensorflow::Input max_total_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold
)

 CombinedNonMaxSuppression(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input boxes,
  ::tensorflow::Input scores,
  ::tensorflow::Input max_output_size_per_class,
  ::tensorflow::Input max_total_size,
  ::tensorflow::Input iou_threshold,
  ::tensorflow::Input score_threshold,
  const CombinedNonMaxSuppression::Attrs & attrs
)

Attrs ClipBoxes(
  bool x
)

Attrs PadPerClass(
  bool x
)