Tensorflow.js tf.image.nonMaxSuppressionAsync()函数

Tensorflow.js 是谷歌开发的一个开源库，用于在浏览器或节点环境中运行机器学习模型以及深度学习神经网络。

.image.nonMaxSuppressionAsync()函数用于执行基于iou 的限制框的非最大抑制，即在并集上的交集。此外，它是对 nonMaxSuppression() 方法的异步解释。

句法：

tf.image.nonMaxSuppressionAsync(boxes, 
    scores, maxOutputSize, iouThreshold?, scoreThreshold?)

参数：

• box：指定的 2d 张量，其配置为 [numBoxes, 4]。并且每次访问都是 [y1, x1, y2, x2]，允许 (y1, x1) 和 (y2, x2) 是限制框的边缘。它可以是 tf.Tensor2D、TypedArray 或 Array 类型。
• 分数：规定的一维张量，前提是盒子分数是配置 [numBoxes]。它的类型为 tf.Tensor2D、TypedArray 或 Array。
• maxOutputSize：这是要选择的指定框的最大计数。它是数字类型。
• iouThreshold：它是表示阈值的规定浮点数，以确定规定的框是否与 IOU 相交太多。它应该在 [0, 1] 的中间。默认值为 0.5，即 50% 的框相交。它是可选的，类型为 number。
• scoreThreshold：它是规定的阈值，以便根据规定的分数决定在哪些时间删除框。默认值为-inf，即允许每个分数。它是可选的，类型为 number。

返回值：返回 tf.Tensor1D 的 Promise。

示例 1：在此示例中，我们将使用 2d 张量、分数和 maxOutputSize 参数。

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Calling image.nonMaxSuppressionAsync() method
const output = await tf.image.nonMaxSuppressionAsync(
    tf.tensor2d([1, 2, 3, 4, 2, 4, 6, 7], 
    [2, 4]), [1, 1], 4);
  
// Printing output
output.print();

输出：

Tensor
    [0, 1]

示例 2：在此示例中，我们将使用浮点数组、iouThreshold 以及 scoreThreshold。

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining an array of floats
const arr = [[11.1, 2.3, 7.3, 6.4], [3, 6]]
  
// Calling image.nonMaxSuppressionAsync() method
const res = await tf.image.nonMaxSuppressionAsync(
    arr, [2.1, 0], 100, 0.5, 1);
  
// Printing output
res.print();

输出：

Tensor
    [0]

参考： https://js.tensorflow.org/api/latest/#image.nonMaxSuppressionAsync