TensorFlow函數(shù)：tf.image.non_max_suppression

tf.image.non_max_suppression函數(shù)

tf.image.non_max_suppression(
    boxes,
    scores,
    max_output_size,
    iou_threshold=0.5,
    name=None
)

定義在：tensorflow/python/ops/image_ops_impl.py.

請(qǐng)參閱指南：圖像操作>圖像使用邊框

以分?jǐn)?shù)降序來選擇邊界框的一個(gè)子集.

修剪與先前選擇的框重疊的高交集(IOU)的框.邊界框以[y1,x1,y2,x2]的形式提供,其中(y1,x1)和(y2,x2)是任何對(duì)角線盒對(duì)角點(diǎn)的坐標(biāo),坐標(biāo)可以作為標(biāo)準(zhǔn)化提供(即位于區(qū)間[0,1])或絕對(duì).請(qǐng)注意,該算法對(duì)原點(diǎn)在坐標(biāo)系中的位置是不可知的.請(qǐng)注意,該算法對(duì)坐標(biāo)系的正交變換和平移不變；因此坐標(biāo)系的平移或反射導(dǎo)致算法選擇相同的框.此操作的輸出是一組整數(shù)索引, 用于表示選定框的邊界框的輸入集合.然后,可以使用tf.gather操作獲取與所選索引對(duì)應(yīng)的邊界框坐標(biāo),例如：selected_indices = tf.image.non_max_suppression(boxes,scores,max_output_size,iou_threshold)selected_boxes = tf.gather(boxes,selected_indices)

參數(shù)：

• boxes：形狀為[num_boxes, 4]的二維浮點(diǎn)型Tensor.
• scores：形狀為[num_boxes]的一維浮點(diǎn)型Tensor,表示與每個(gè)框(每行框)對(duì)應(yīng)的單個(gè)分?jǐn)?shù).
• max_output_size：一個(gè)標(biāo)量整數(shù)Tensor,表示通過非最大抑制選擇的框的最大數(shù)量.
• iou_threshold：一種浮點(diǎn)數(shù),表示判斷框是否相對(duì)于IOU重疊太多的閾值.
• name：操作的名稱(可選).

返回：

• selected_indices：形狀為[M]的一維整數(shù)Tensor,表示從box張量中選擇的指數(shù),其中M <= max_output_size.