Calcola NMS
Dopo aver estratto i bounding box e i punteggi previsti dal tuo modello di riconoscimento degli oggetti, il prossimo passo è assicurarti di mantenere solo i bounding box più accurati e non sovrapposti usando la tecnica di non-max suppression.
boxes e scores che hai creato nell'esercizio precedente sono disponibili nel tuo workspace e torch e torchvision sono già stati importati.
Questo esercizio fa parte del corso
Deep Learning per Immagini con PyTorch
Istruzioni dell'esercizio
- Importa
nmsdatorchvision.ops. - Imposta la soglia IoU uguale a
0.5. - Applica la non-max suppression passando
boxes,confidence_scoreseiou_thresholdalla funzione pertinente. - Usa gli indici in output per filtrare i box previsti.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import nms
____
# Set the IoU threshold
iou_threshold = ____
# Apply non-max suppression
box_indices = ____
# Filter boxes
filtered_boxes = ____
print("Filtered Boxes:", filtered_boxes)