Python tf.image.non_max_suppression_overlaps用法及代碼示例

貪心地按分數的降序選擇邊界框的子集。

用法

tf.image.non_max_suppression_overlaps(
    overlaps, scores, max_output_size, overlap_threshold=0.5,
    score_threshold=float('-inf'), name=None
)

參數

overlaps 形狀為[num_boxes, num_boxes] 的二維浮點數Tensor，表示n-by-n 框重疊值。
scores 形狀為[num_boxes] 的一維浮點數Tensor，表示對應於每個框(每行框)的單個分數。
max_output_size 一個標量整數Tensor，表示非最大抑製要選擇的最大框數。
overlap_threshold 一個 0-D 浮點張量，表示用於確定框相對於提供的重疊值是否重疊過多的閾值。
score_threshold 一個 0-D 浮點張量，表示根據分數決定何時移除框的閾值。
name 操作的名稱(可選)。

selected_indices 形狀為 [M] 的一維整數 Tensor 表示從重疊張量中選擇的索引，其中 M <= max_output_size 。

修剪掉與先前選擇的框有高度重疊的框。 N-by-n 重疊值以方陣形式提供。此操作的輸出是一組整數，索引到表示所選框的邊界框的輸入集合中。然後可以使用tf.gather 操作獲得與所選索引對應的邊界框坐標。例如：

selected_indices = tf.image.non_max_suppression_overlaps(
      overlaps, scores, max_output_size, iou_threshold)
  selected_boxes = tf.gather(boxes, selected_indices)

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.image.non_max_suppression_overlaps。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法

參數

返回