問題タブ [non-maximum-suppression]

atan(dy/dx)エッジに直交する方向である勾配方向を取得できることを学びました。これで、この方向を4つのクラス（x方向とy方向、および両方の対角線）に離散化し、非最大抑制について最も一致する方向で両方の隣接ピクセルをチェックするという宿題がありました。

しかし、私は完全に解決策を得ることができませんでした。明らかに、4つのケースがありました。

1. abs(angle) < pi/8、したがって、グラデーションは（おおよそ）x方向を指しているので、チェックimg(i, j-1)してimg(i, j+1)（画像の原点が左上にあると仮定して）

2. angle > pi/8 && angle <= 3*pi/8、したがって、グラデーションは右上を指します。今、私たちはチェックする必要があると思いましたが、代わりにチェックimg(i-1, j+1)します。これは直交する対角線のように見えます。img(i+1, j-1)img(i-1, j-1)img(i+1, j+1)

他の2つのケースは同等です。これを変更しようとしましたが、エッジが本当に奇妙に見えるので、これは正しいように見えますが、理由がわかりません。

誰かが私にこれを説明できますか？

この間引きアルゴリズムの適用に問題があり、提供されたコードの問題がわかりません。出力画像は、しきい値処理された画像とほぼ同じです。

非MaxSupp:

勾配：

C++ で matlab の imhmin() 関数を実装したいと考えています。まず、アルゴリズムを調べました。最小ピクセル強度値を抑制します。非最大抑制コードは次のとおりです。

imhmin() 関数は抑制された値を返します。ただし、非最大抑制はバイナリ値を返します。どうすれば対処できますか？

tf.image.non_max_suppressionFaster-RCNN ネットワークでテンソルフローを使用しています。テンソルフロー グラフは正常に構築され、エラーなしで実行されますが、グラフを実行すると、出力は空のテンソルになり、サイズが 0 の入力に依存する次元になります (たとえば、形状 (0,4) の出力テンソルを取得します)。そこで、tfdbgツールを使用して何が起こっているのかを確認しました。テンソル値はopUninitialized tensor用であることがわかりました。tf.image.non_max_suppressionnms op の出力に依存する後続のすべてのテンソルも として表示されUnintialized tensorます。

この Faster-RCNN ネットワークをトレーニングし、 を使用して重みを保存しましたtf.train.Saver(..).save(..)。ネットワークをトレーニングしたとき、NMS を実行するために python numpy 関数を使用していました。それは op ラッパーを使用してネットワークにプラグインされtf.py_func、モデルのトレーニング後、python 関数を tensorflow 実装に変更することにしました。

tf.image.non_max_suppressionには学習可能なパラメーターがないため、保存したモデルを読み込んでグラフを実行すると、テンソルが初期化されない理由がわかりません。sess.run(tf.global_variables_initializer())私もモデルをロードする前にやろうとしましたが、変更はなく、NMS とその後の操作をtf.train.Saver(..).restore(..)まだ見Uninitialized tensorています。tfdbg

この動作とそれを解決する方法についてのアイデアはありますか?

これは私が使用する方法ですtf.image.non_max_suppression：

ssd_mobilenet_v1_coco モデルを使用してオブジェクトを検出しようとしています。独自のトレーニング済みモデル ファイル .pb ファイルが検出に使用されます。ビルドが成功した後、実行ボタンをクリックすると、以下のエラーが発生しました。

以下のリンクで、既にトレーニング済みの .pb モデル ファイルの ios アプリを実行して起動できます。上記の問題を修正して iOS アプリを起動するための解決策を教えてください。 https://github.com/JieHe96/iOS_Tensorflow_ObjectDetection_Example