在caffe、py-faster-rcnn中，"scores"return一个大矩阵，为什么？

Question

我使用 py-faster-rcnn 演示用 20 类进一步构建我的项目。但是，我正在尝试获得类.

的 softmax，最后一层概率

例如：

# Load the demo image
im_file = os.path.join(cfg.DATA_DIR, 'demo', image_name)

im = cv2.imread(im_file)

# Detect all object classes and regress object bounds
timer = Timer()
timer.tic()
scores, boxes = im_detect(net, im)
timer.toc()
print ('Detection took {:.3f}s for '
       '{:d} object proposals').format(timer.total_time, boxes.shape[0])

# Visualize detections for each class
CONF_THRESH = 0.8
NMS_THRESH = 0.3
for cls_ind, cls in enumerate(CLASSES[1:]):
    cls_ind += 1 # because we skipped background
    cls_boxes = boxes[:, 4*cls_ind:4*(cls_ind + 1)]
    cls_scores = scores[:, cls_ind]
    dets = np.hstack((cls_boxes,
                      cls_scores[:, np.newaxis])).astype(np.float32)
    keep = nms(dets, NMS_THRESH)
    dets = dets[keep, :]
    vis_detections(im, cls, dets, thresh=CONF_THRESH)

print scores

当我执行 print scores 时，它给了我一个非常大的矩阵输出，而不是 1 x 20 。我不知道为什么，我怎样才能得到最后的概率矩阵？

谢谢

Answer 1

检测器的原始 scores 输出包括重叠检测和极低分数检测。
请注意，仅在使用 NMS_THRESH=0.3 应用非最大抑制（又名 "nms"）后，函数 vis_detection 仅显示置信度大于 CONF_THRESH=0.8.
的检测因此，如果您想查看 "true" 个对象，则需要检查 vis_detection 内部并仅检查它在图像上呈现的检测。

在caffe、py-faster-rcnn中，"scores"return一个大矩阵，为什么？

In caffe, py-faster-rcnn, "scores" return a large matrix, why?

neural-network

computer-vision

deep-learning

caffe

pycaffe