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.
To ćwiczenie jest częścią kursu
Głębokie uczenie dla obrazów z PyTorch
Instrukcje do ćwiczenia
- Zaimportuj
nmsztorchvision.ops. - Ustaw próg IoU na wartość
0.5. - Zastosuj non-max suppression, przekazując
boxes,confidence_scoresiiou_thresholddo odpowiedniej funkcji. - Użyj zwróconych indeksów, aby przefiltrować przewidywane ramki ograniczające.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import nms
____
# Set the IoU threshold
iou_threshold = ____
# Apply non-max suppression
box_indices = ____
# Filter boxes
filtered_boxes = ____
print("Filtered Boxes:", filtered_boxes)