pytorch nms 放大缩小

博客探讨了在PyTorch实现的Non-Maximum Suppression (NMS)中,不同尺寸的框如何影响IoU(Intersection over Union)值。内容指出,当宽度(w)与高度(y)同比例变化时,框的IoU会随着尺寸增大而减小。
摘要由CSDN通过智能技术生成

发现不同的尺寸,iou值是不一样的

w与y是同比例的,iou也不一样,框越大,iou越小

import torch


def bbox_iou_test(box1, box2, x1y1x2y2=True):
    """
    Returns the IoU of two bounding boxes
    """
    if not x1y1x2y2:
        # Transform from center and width to exact coordinates
        b1_x1, b1_x2 = box1[:, 0] - box1[:, 2] / 2, box1[:, 0] + box1[:, 2] / 2
        b1_y1, b1_y2 = box1[:, 1] - box1[:, 3] / 2, box1[:, 1] + box1[:, 3] / 2
        b2_x1, b2_x2 = box2[:, 0] - box2[:, 2] / 2, box2[:, 0] + box2[:, 2] / 2
        b2_y1, b2_y2 = box2[:, 1] - box2[:, 3] / 2, box2[:, 1] + box2[:, 3] / 2
    else:
        # Get the coordinates of bounding boxes
        b1_x1, b1_y1, b1_x2, b1_
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
PyTorch中的NMS(非极大值抑制)是一种用于去除重叠边界框的技术,保留最具代表性的边界框。在PyTorch中,NMS有多种实现方式。 首先,我们可以看到官方实现中使用了torchvision.ops.boxes模块的nms函数。这个函数接受四个参数,分别是bboxes(包含边界框信息的张量)、labels(包含边界框对应的标签信息的张量)、scores(包含边界框得分的张量)和iou_threshold(IoU阈值)。函数返回被保留的非抑制边界框的索引。根据代码中的调用,可以看到它会将得分高的边界框保留下来,并进行一些可视化操作。 另一种实现方式是通过自定义函数实现NMS。这个自定义函数使用了PyTorch的box_iou函数计算边界框之间的IoU,并通过对得分进行排序和比较来进行非极大值抑制。函数的参数是bboxes(包含边界框信息的张量)、scores(包含边界框得分的张量)和iou_threshold(IoU阈值)。函数返回被保留的非抑制边界框的索引。 无论是使用官方实现还是自定义函数,NMS都是一个用于去除重叠边界框的技术,它可以根据设定的IoU阈值选择最具代表性的边界框。在这个过程中,得分高的边界框通常被保留下来,而与其重叠度高的边界框则被抑制。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [PyTorch实现非极大值抑制(NMS)](https://blog.csdn.net/m0_46510245/article/details/127712161)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值