locality_aware_nms

    局部感知NMS

    用于对边界框（bounding box）和评分（scores）执行局部感知非极大值抑制（LANMS）。

    首先，根据边界框之间的IOU(交并比)，对边界框和评分进行融合。

    在NMS中，如果提供 阈值，则此OP贪心地选择所有得分（scores）高于 的检测边界框（bounding box）的子集，如果nms_top_k大于-1，则选择最大的nms_top_k置信度分数。 接着，该OP依据 adaptive nms（基于 和 ），删除与已选择的框IOU(交并比)高于nms_threshold 的重叠框。

    在NMS步骤后，如果keep_top_k大于-1，则每个图像最多保留keep_top_k个框（bounding box）。

    参数：

    • bboxes (Variable) – 支持两种类型的边界框（bounding box）:

      1. 。数据类型为float32或float64。

    • scores (Variable) – 支持两种类型的分数：

    • background_label (int) – 背景标签（类别）的索引，如果设置为 0 ，则忽略背景标签（类别）。如果设置为 -1 ，则考虑所有类别。默认值：-1

    • nms_top_k (int) – 基于 score_threshold 的过滤检测后，根据置信度保留的最大检测次数。

    • nms_eta (float) – 在NMS中用于调整 nms_threshold 的参数，设为1时表示nms_threshold不变。默认值：1.0 。

    • keep_top_k (int) – NMS步骤后每个图像要保留的总bbox数。 -1表示在NMS步骤之后保留所有bbox。

    • normalized (bool) – 检测是否已经经过正则化。默认值：True 。

    返回：形为[No，6]的2-D LoDTensor，表示检测(detections)结果。每行有6个值：[标签label，置信度confidence，xmin，ymin，xmax，ymax]。或形为[No，10]的2-D LoDTensor，用来表示检测结果。 每行有10个值：[标签label，置信度confidence，x1，y1，x2，y2，x3，y3，x4，y4]。 No是检测的总数。 如果对所有图像都没有检测到的box，则lod将设置为{1}，而Out仅包含一个值-1。 （1.3版本之后，当未检测到box时，lod从{0}更改为{1}）

    代码示例