TensorFlow.js tf.image.nonMaxSuppressionAsync()函数介绍

tf.image.nonMaxSuppressionAsync()函数是TensorFlow.js中用于执行非最大值抑制操作的异步函数。其功能是从一组框框中选择最佳框框，并且会剔除低于阈值的框框。

函数定义

tf.image.nonMaxSuppressionAsync(
    boxes: tf.Tensor2D,
    scores: tf.Tensor1D,
    maxOutputSize: number,
    iouThreshold: number,
    scoreThreshold: number,
    padToMaxOutputSize?: boolean
): Promise<{selectedIndices: tf.Tensor1D, selectedScores: tf.Tensor1D}>

参数说明：

• boxes: tf.Tensor2D：包含一组框框的坐标，shape为[numBoxes, 4]。
• scores: tf.Tensor1D：每个框框的得分值，shape为[numBoxes]。
• maxOutputSize: number：选择的最大框框数量。
• iouThreshold: number：重叠比例的阈值。
• scoreThreshold: number：最低得分的阈值。
• padToMaxOutputSize: boolean：设置为true，表示对输出进行填充以达到最大输出大小。默认值为false。

返回值：一个Promise对象，其中包含两个Tensor对象，selectedIndices和selectedScores，分别表示选择的框框的索引和得分。

代码示例

// 定义一组框框
const boxes = tf.tensor2d([[0, 0.5, 0.1, 0.6], [0.2, 0.3, 0.3, 0.9], [0.6, 0.1, 0.9, 0.5], [0.7, 0.5, 0.9, 0.9]]);

// 定义每个框框的得分
const scores = tf.tensor1d([0.8, 0.6, 0.7, 0.9]);

// 调用nonMaxSuppressionAsync函数
tf.image.nonMaxSuppressionAsync(boxes, scores, 2, 0.3, 0.5).then((result) => {
  console.log(result.selectedIndices.toString()); // 输出选择的框框的索引
  console.log(result.selectedScores.toString());  // 输出选择的框框的得分
});

注意事项

• 该函数只适用于2D张量，非2D张量需要使用flatten()或reshape()进行处理。
• 在进行非最大值抑制之前，需要对框框进行排序，以便选择具有最高得分的框框。