NMS 계산하기
객체 인식 모델에서 예측한 바운딩 박스와 점수를 추출했으니, 이제 non-max suppression 기법을 사용해 가장 정확하고 서로 겹치지 않는 예측 바운딩 박스만 남겨야 해요.
이전 연습 문제에서 만든 boxes와 scores는 작업 공간에 준비되어 있고, torch와 torchvision도 이미 임포트되어 있어요.
이 연습은 강의의 일부입니다
PyTorch로 배우는 이미지 딥러닝
연습 안내
torchvision.ops에서nms를 임포트하세요.- IoU 임계값을
0.5로 설정하세요. - 관련 함수에
boxes,confidence_scores,iou_threshold를 전달해 non-max suppression을 적용하세요. - 출력된 인덱스를 사용해 예측된 박스를 필터링하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import nms
____
# Set the IoU threshold
iou_threshold = ____
# Apply non-max suppression
box_indices = ____
# Filter boxes
filtered_boxes = ____
print("Filtered Boxes:", filtered_boxes)