1. Nauka
    2. /
  2. Kursy
    3. /
  3. Głębokie uczenie dla obrazów z PyTorch
Connected

ćwiczenie

Oblicz NMS

Po wyodrębnieniu przewidywanych ramek ograniczających i wyników z modelu rozpoznawania obiektów następnym krokiem jest zachowanie tylko najdokładniejszych, niepokrywających się ramek. Skorzystasz w tym celu z techniki non-max suppression.

Zmienne boxes i scores utworzone w poprzednim ćwiczeniu są dostępne w twoim środowisku, a biblioteki torch i torchvision zostały już zaimportowane.

Instrukcje

100 XP
  • Zaimportuj nms z torchvision.ops.
  • Ustaw próg IoU na wartość 0.5.
  • Zastosuj non-max suppression, przekazując boxes, confidence_scores i iou_threshold do odpowiedniej funkcji.
  • Użyj zwróconych indeksów, aby przefiltrować przewidywane ramki ograniczające.