NonMaxSuppression

功能

从众多重叠的候选边界框中筛选出最优的边界框，过滤掉与先前选定的框有较高重叠的“交集-并集”(IOU)框。移除得分小于score_threshold的边界框。边界框格式由属性center_point_box表示。

该算法与坐标系原点无关，对坐标系的正交变换和平移操作保持不变。输出selected_indices为整数集，可通过Gather或GatherND操作获取对应边框坐标。

输入

• boxes： 输入Tensor，数据类型：float，存储候选边界框信息。
• scores：输入Tensor，数据类型：float，候选边界框对应的置信度分数。
• max_output_boxes_per_class（可选）： 输入常量值，数据类型：int64，每种类型最多可选取的边界框数量。
• iou_threshold（可选）： 输入常量值，数据类型：float，IOU重叠判断阈值。
• score_threshold（可选）：输入常量值，数据类型：float，置信度阈值。

属性

center_point_box：数据类型为 int，默认值为0，决定了边界框格式。

• 等于0时，主要用于TF模型，数据以（y1,x1,y2,x2）形式提供，其中（y1, x1）（y2, x2）是对角线框角坐标，需要用户自行保证x1<x2、y1<y2。
• 等于1时，主要用于pytorch模型，框数据以（x_center, y_center, width, height）形式提供。

输出

selected_indices：输出Tensor，数据类型：int64。

约束与限制

• Atlas 200/300/500 推理产品和Atlas 训练系列产品对于输入boxes和scores的数据类型仅支持float16。
• max_output_boxes_per_class数值大于700时，可能会引发硬件资源不足问题。

支持的ONNX版本

Opset v11/v12/v13/v14/v15/v16/v17/v18。