Tensorflow.js tf.image.nonMaxSuppressionAsync() Función

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático, así como redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.

La función .image.nonMaxSuppressionAsync() se utiliza para ejecutar la supresión no máxima de los cuadros de limitación sobre la base de iou, es decir, la intersección sobre la unión. Además, es la interpretación asíncrona del método nonMaxSuppression().

Sintaxis:

tf.image.nonMaxSuppressionAsync(boxes, 
    scores, maxOutputSize, iouThreshold?, scoreThreshold?)

Parámetros:  

• boxes: El tensor 2d indicado, que es de configuración [numBoxes, 4]. Y todo acceso es [y1, x1, y2, x2], permitiendo que (y1, x1) e (y2, x2) sean los bordes de la caja restrictiva. Puede ser de tipo tf.Tensor2D, TypedArray o Array.
• puntuaciones: El tensor 1d indicado, siempre que las puntuaciones de las cajas tengan la configuración [numBoxes]. Es de tipo tf.Tensor2D, TypedArray o Array.
• maxOutputSize: Es el recuento máximo de las cajas indicadas que se van a recoger. Es de tipo número.
• iouThreshold: Es el flotador indicado que significa el umbral para decidir si las casillas indicadas se cruzan demasiado con referencia al pagaré. Debe estar en medio de [0, 1]. El valor predeterminado es 0,5, es decir, el 50 por ciento de la caja se cruza. Es opcional y es de tipo número.
• scoreThreshold: Es el umbral establecido para decidir en qué momento se deben eliminar las casillas en función de la puntuación establecida. El valor predeterminado es -inf, es decir, se permiten todas las puntuaciones. Es opcional y es de tipo número.

Valor de Retorno: Devuelve Promesa de tf.Tensor1D.

Ejemplo 1: En este ejemplo, usaremos un tensor 2d, puntajes y parámetros maxOutputSize.

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Calling image.nonMaxSuppressionAsync() method
const output = await tf.image.nonMaxSuppressionAsync(
    tf.tensor2d([1, 2, 3, 4, 2, 4, 6, 7], 
    [2, 4]), [1, 1], 4);
  
// Printing output
output.print();

Producción:

Tensor
    [0, 1]

Ejemplo 2: En este ejemplo, usaremos una array de flotantes, iouThreshold, así como scoreThreshold.

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining an array of floats
const arr = [[11.1, 2.3, 7.3, 6.4], [3, 6]]
  
// Calling image.nonMaxSuppressionAsync() method
const res = await tf.image.nonMaxSuppressionAsync(
    arr, [2.1, 0], 100, 0.5, 1);
  
// Printing output
res.print();

Producción:

Tensor
    [0]

Referencia: https://js.tensorflow.org/api/latest/#image.nonMaxSuppressionAsync