Question

这个问题是根据这个问题构建的：（tensorflow remember the index after calculating getting the maximum box）。我发现丢弃的盒子全部为零特别难，所以我发布了一个新的。

完整说明：

假设我有两个盒子阵列，每个盒子的形状分别为(?, b1, 4)和(?, b2, 4)（将?视为未知的批量大小）：

box1: [[[1,2,3,4], [2,3,4,5], [3,4,5,6], [0,0,0,0], [0,0,0,0]...]...]
box2: [[[4,3,2,1], [3,2,5,4], [4,3,5,6]...]...]

（以上数字是任意设定的）

请注意，box1 可能会或可能不会最后有假方框（[0,0,0,0]）。

我想：

在每个批次中，对于box1中的每个非假冒框 A （即不包含全零的框），在box2框中找到 B ，其中包含 A 的最大IOU（与工会交叉）（当然在同一批次中），然后附加元组（A，B）到列表 list_max 。
附加到 list_nonmax box2中box1中没有最大IOU的所有方框iou_single_box(box1, box2)中的任何方框（当然是按批次分隔）

您可以认为：

b1 和 b2 都是python变量，而不是张量流量张量。
计算单个框之间或一批框之间的IOU的方法已经存在，可以直接使用：

(4,)： box1 和 box2 的形状为iou_multiple_boxes(bbox1, bbox2)。

(b1, 4)： bbox1 和 bbox2 的形状分别为(b2, 4)和iou_batch_boxes(bbbox1, bbbox2)。

(?, b1, 4)： bbbox1 和 bbbox2 的形状分别为(?, b2, 4)和?（将box1视为未知的批量大小。）

您可以查看我之前发布的问题（tensorflow remember the index after calculating getting the maximum box）。我只添加一个约束：

我不希望box2中的任何假框与b1中的任何框匹配。获取 list_max 和 list_nonmax

请注意，未设置假方箱的数量。

****：我知道这个问题很复杂。我这样做是因为Tensorflow无法处理动态长度数组（在运行时必须为box1确定[0, 0, 0, 0]。因此，我在box1的末尾填充"Name | Address | Phone | Twitterlink | Facebooklink"以使长度固定。

Answer 1

我相信这很容易使用tf.boolean_mask()这样的代码（已测试）：

System.Data.SqlClient.SqlException (0x80131904): Cannot open server "organisation.com" requested by the login.  The login failed

将输出

输入框：
  [[[0. 1. 2. 3.]
    [4. 5. 6. 7.]
    [0. 0. 0. 0.]
    [0. 0. 0. 0.]]

[[8. 9. 10. 11.]
    [12。 13. 14. 15.]
    [0. 0. 0. 0.]
    [0. 0. 0. 0.]]]
    ========================================
  [[[2. 3. 4. 5.]
    [6. 7. 8. 9.]
    [10。 11. 12. 13.]]

[[14。 15. 16. 17.]
    [18。 19. 20. 21.]
    [22。 23. 24. 25.]]]
    ========================================
  列表最大值：
  [[[0. 1. 2. 3.]
    [2. 3. 4. 5.]]

[[4. 5. 6. 7.]
    [10。 11. 12. 13.]]

[[8. 9. 10. 11.]
    [22。 23. 24. 25.]]

[[12。 13. 14. 15.]
    [18。 19. 20. 21.]]]
    ========================================
  列出nonmax：
  [[6. 7. 8. 9.]
   [14。 15. 16. 17.]]
    ========================================

tensorflow得到最大IOU的盒子，但丢弃全零的盒子

1 个答案: