NMS を計算する
物体認識モデルから予測バウンディングボックスとスコアを取り出しました。次のタスクは、non-max suppression 手法を使って、最も正確で互いに重ならない予測バウンディングボックスだけを残すことです。
前の演習で作成した boxes と scores はワークスペースで利用可能で、torch と torchvision はすでにインポートされています。
この演習はコースの一部です
PyTorch で学ぶ画像向け Deep Learning
演習の手順
torchvision.opsからnmsをインポートします。- IoU のしきい値を
0.5に設定します。 boxes、confidence_scores、iou_thresholdを該当する関数に渡して non-max suppression を適用します。- 出力されたインデックスを使って予測ボックスをフィルタリングします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import nms
____
# Set the IoU threshold
iou_threshold = ____
# Apply non-max suppression
box_indices = ____
# Filter boxes
filtered_boxes = ____
print("Filtered Boxes:", filtered_boxes)