TensorFlow函数：tf.image.non_max_suppression

tf.image.non_max_suppression函数

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

定义在：tensorflow/python/ops/image_ops_impl.py.

请参阅指南：图像操作>图像使用边框

以分数降序来选择边界框的一个子集.

修剪与先前选择的框重叠的高交集(IOU)的框.边界框以[y1,x1,y2,x2]的形式提供,其中(y1,x1)和(y2,x2)是任何对角线盒对角点的坐标,坐标可以作为标准化提供(即位于区间[0,1])或绝对.请注意,该算法对原点在坐标系中的位置是不可知的.请注意,该算法对坐标系的正交变换和平移不变；因此坐标系的平移或反射导致算法选择相同的框.此操作的输出是一组整数索引, 用于表示选定框的边界框的输入集合.然后,可以使用tf.gather操作获取与所选索引对应的边界框坐标,例如：selected_indices = tf.image.non_max_suppression(boxes,scores,max_output_size,iou_threshold)selected_boxes = tf.gather(boxes,selected_indices)

参数：

• boxes：形状为[num_boxes, 4]的二维浮点型Tensor.
• scores：形状为[num_boxes]的一维浮点型Tensor,表示与每个框(每行框)对应的单个分数.
• max_output_size：一个标量整数Tensor,表示通过非最大抑制选择的框的最大数量.
• iou_threshold：一种浮点数,表示判断框是否相对于IOU重叠太多的阈值.
• name：操作的名称(可选).

返回：

• selected_indices：形状为[M]的一维整数Tensor,表示从box张量中选择的指数,其中M <= max_output_size.