NMS berechnen

Nachdem du die vorhergesagten Begrenzungsrahmen und Bewertungen aus deinem Objekterkennungsmodell extrahiert hast, musst du jetzt sicherstellen, dass nur die genauesten und nicht überlappenden vorhergesagten Begrenzungsrahmen beibehalten werden. Dazu verwendest du die Nicht-Max-Unterdrückungstechnik.

boxes Die Dateien „ scores “, die du in der letzten Übung erstellt hast, sind jetzt in deinem Arbeitsbereich verfügbar, und die Dateien „ torch “ und „ torchvision “ wurden importiert.

Diese Übung ist Teil des Kurses

Deep Learning für Bilder mit PyTorch

Kurs anzeigen

Anleitung zur Übung

Importiere nms aus torchvision.ops.
Setz den IoU-Schwellenwert auf „ 0.5 “.
Wende die Nicht-Max-Unterdrückung an, indem du „ boxes “, „ confidence_scores “ und „ iou_threshold “ auf die entsprechende Funktion anwendest.
Benutz die Ausgangsindizes, um die vorhergesagten Boxen zu filtern.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import nms
____

# Set the IoU threshold
iou_threshold = ____

# Apply non-max suppression
box_indices = ____

# Filter boxes
filtered_boxes = ____

print("Filtered Boxes:", filtered_boxes)

Code bearbeiten und ausführen