NMS berekenen

Nu je de voorspelde begrenzingsvakken en scores uit je objectherkenningsmodel hebt gehaald, is je volgende taak om ervoor te zorgen dat alleen de meest nauwkeurige en niet-overlappende voorspelde begrenzingsvakken overblijven met behulp van de non-max suppression-techniek.

boxes en scores die je in de vorige oefening hebt gemaakt, zijn beschikbaar in je werkruimte en torch en torchvision zijn geïmporteerd.

Deze oefening maakt deel uit van de cursus

Deep Learning voor afbeeldingen met PyTorch

Cursus bekijken

Oefeninstructies

Importeer nms uit torchvision.ops.
Stel de IoU-drempel in op 0.5.
Pas non-max suppression toe door boxes, confidence_scores en iou_threshold door te geven aan de betreffende functie.
Gebruik de resulterende indexen om voorspelde vakken te filteren.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import nms
____

# Set the IoU threshold
iou_threshold = ____

# Apply non-max suppression
box_indices = ____

# Filter boxes
filtered_boxes = ____

print("Filtered Boxes:", filtered_boxes)

Code bewerken en uitvoeren