问题标签 [non-maximum-suppression]

我们已经了解到，您可以获得与atan(dy/dx)边缘正交的方向的梯度方向。现在我们有一个作业，我们应该将此方向离散化为四个类别（x 和 y 方向以及两个对角线），然后检查最佳匹配方向上的两个像素邻居以进行非最大抑制。

我没有完全得到解决方案。显然我们有四种情况：

1. abs(angle) < pi/8，所以梯度（大致）指向x方向，因此我们检查img(i, j-1)和img(i, j+1)（假设图像原点在左上角）

2. angle > pi/8 && angle <= 3*pi/8，所以梯度指向右上角。现在我认为我们需要检查img(i-1, j+1)，img(i+1, j-1)但我们检查img(i-1, j-1)并且img(i+1, j+1)看起来像正交对角线。

其他两种情况是等价的。我试图改变这一点，但边缘看起来真的很奇怪，所以这似乎是正确的，但我不明白为什么。

谁可以给我解释一下这个？

我在应用这种细化算法时遇到问题，我不知道提供的代码有什么问题。输出图像与阈值图像几乎相同。

非MaxSupp：

坡度：

我想在 C++ 中实现 matlab 的 imhmin() 函数。首先，我检查了算法。它抑制最小像素强度值。非最大抑制码为：

imhmin() 函数返回抑制值。但是，非最大抑制返回二进制值。我该如何处理？

在编码一些像素操作类的过程中，我实现了非最大抑制功能。

代码在这里：

现在非最大抑制之前和之后的结果图片非常奇怪。感觉就像一些线条开始突然出现。请观看所附图片（非最大抑制之前和之后）。

如果有任何帮助，我将不胜感激。

谢谢！

请忽略我在图像边缘的 3 像素错误，只是为了让您了解灰度和高斯差异后的图像

你能看到添加的行吗？它是什么？

我正在尝试获取并绘制图像中的角点。现在，我有一个具有以下格式的元组列表：（(row,column,scale)比例是因为我使用的是高斯金字塔），手动从 harrisCornerDetector 和 nonMaximumSupression 过程获得。这份清单是featuresy1。

我的代码如下：

其中 image 是具有三个相同形状的灰度图像。如您所见，我将cornerSubPix这样的结构作为第二个参数：[(x1,y1,scale1),(x2,y2,scale2),...,(xn,yn,scalen)].

这引发以下错误：

出于这个原因，我想知道应该用什么类型、格式或结构featuresy1来cornerSubPix()工作。这是我唯一做错的事情吗？没有太多关于此的文档。

谢谢！

我tf.image.non_max_suppression在 Faster-RCNN 网络中使用 tensorflow。张量流图构建成功并且运行也没有错误，但是在运行图时，输出是空张量，其维度取决于输入的大小为 0（例如，我得到形状为 (0,4) 的输出张量）。所以我用tfdbg工具来看看发生了什么。我发现张量值是Uninitialized tensor针对tf.image.non_max_suppression操作的。取决于 nms op 输出的所有后续张量也显示为Unintialized tensor.

我已经训练了这个 Faster-RCNN 网络并使用tf.train.Saver(..).save(..). 当我训练网络时，我使用 python numpy 函数来做 NMS，并使用 op wrapper 将其插入网络tf.py_func，然后在模型训练完成后，我决定将 python 函数更改为 tensorflow 实现。

tf.image.non_max_suppression没有可学习的参数，所以我不明白为什么当我现在加载保存的模型并运行图形时，张量未初始化。我也尝试sess.run(tf.global_variables_initializer())在加载模型之前做，tf.train.Saver(..).restore(..)但没有任何变化，仍然看到Uninitialized tensorNMStfdbg和后续操作。

关于这种行为以及如何解决它的任何想法？

这就是我的使用方式tf.image.non_max_suppression：

我正在尝试使用 ssd_mobilenet_v1_coco 模型检测对象。我自己训练的模型文件 .pb 文件用于检测。成功构建后，单击运行按钮，我收到以下错误。

我可以在下面的链接中为已经训练好的 .pb 模型文件执行和启动 ios 应用程序。请给出解决上述问题并启动 ios 应用程序的解决方案。 https://github.com/JieHe96/iOS_Tensorflow_ObjectDetection_Example

编码和 Python 的新手。我有这段代码，由于某种原因，它只会通过我的第一个 if 语句。我已经看了好几个小时，老实说我不知道​​为什么？

所以基本上我希望它通过一个二维数组。我有另一个称为 shape 的二维数组（与 trex 相同的形状），其角度为 0、45、90。首先我查看点 [i,j] 的角度，然后根据它的角度，我希望它看起来在该点的邻居处的 trex 值。如果相邻点都低于中间点，那么我什么也不做。否则，我将中间点 ([i,j]) 设置为 0。但是当我运行我的代码时，它只会将角度为 0 的那些设置为 0。所以它永远不会归结为我的 elif 或 else 语句。我不知道为什么:'(希望这是有道理的，非常感谢任何帮助！

我正在尝试在这一行中阅读 Tensorflow 非最大抑制方法的源代码。它是从gen_image_ops文件中导入的，但我在 tensorflow 源代码中的任何地方都找不到该文件。

是否有任何来源可以访问此方法的代码？

我正在使用faster_rcnn_inception_v2_coco作为预训练模型在 Windows 10 上训练Tensorflow 对象检测。我在 Windows 10 上，在 NVIDIA GeForce GTX 1080、CUDA 9.0 和 CUDNN 7.0 上使用 tensorflow-gpu 1.6。

我的数据集仅包含一个对象“手枪”和 3000 张图像（2700 个训练集，300 个测试集）。图像的大小从 ~100x200 到 ~800x600。

我训练这个模型进行了 55k 次迭代，其中mAP约为 0.8，TotalLoss似乎收敛到 0.001。但是，但是，看到评估，在同一个检测到的对象上有很多多个边界框（例如this和this），并且有很多误报（房屋被检测为手枪）。例如，在我拍摄的这张照片中（后来应用了模糊滤镜），模型将人和汽车检测为手枪，以及正确检测。

数据集与 tfrecords 和标签映射一起上传到此处。我使用了这个配置文件，其中我唯一更改的是：num_classes为 1、fine_tune_checkpoint、train 和 eval的input_path和label_map_path以及num_examples。 由于我认为多个框是一个非最大抑制问题，我将score_threshold（第 73 行）从 0 更改为 0.01，将iou_threshold（第 74 行）从 1 更改为 0.6。使用标准值，结果比这差得多。

我该怎么做才能获得良好的检测？我应该改变什么？也许我错过了一些关于参数调整的东西......

谢谢