Tensorflow：尺寸不一致的張量？

我一直在使用卷積神經網絡進行物體檢測，並且遇到以下問題：Tensorflow：尺寸不一致的張量？

對於物體檢測任務，通常一個輸入圖像與未定數目的物體邊界框相關聯。每個邊界框可以用4個座標表示。因此，代表包圍盒爲張量，形狀爲：

[batch_size, variable_num_bbox(?), 4]

注意，在這裏，它不只是variable_num_bbox不能圖施工前，即使在一個批次中指定，而且，輸入，不同的圖像可以有不同數量的邊界框。

作爲一個說明性實例，我想以下數組轉換成張量：

[[[1, 2, 3, 4], [2, 3, 4, 5]], [[3, 4, 5, 6]]]

這裏，variable_num_bbox = 2用於第一圖像，但它是1所述的第二圖像。

我試過了，並且失敗了幾種將上面的嵌套列表轉換爲張量的方法，這導致了我們的問題，張量流是否支持具有不一致尺寸大小的張量？如果不是，是否有計劃支持它給開發者提供這種靈活性？如果它不會被支持，有沒有辦法繞過這個問題的對象檢測任務？一種解決方案是設置batch_size = 1，並且邊界框可以表示爲形狀爲[variable_num_bbox（？），4]的張量，所以是的，維度不一致性消失了，但這會損害效率顯著。

來源

2016-09-12 bichen

我所做的處理這個問題的方法是在需要時生成一個邊界框列表。例如，如果你有四維張量中的所有邊界框（即每個圖像有相同數量的邊界框）並且想要執行非最大抑制（這通常會導致每個圖像的可變數量的框），你可以使用某些東西像這樣：

bbox_list = [] 
for i, bboxes in enumerate(tf.unpack(bboxes_batch, axis=0)): 
    idx = tf.image.non_max_suppression(bboxes, confidences[i], 20) 
    bbox_list.append(tf.gather(bboxes, idx))

這有幫助嗎？

來源

2016-09-12 19:21:01 RobR

感謝您的鼓舞人心的答覆。但在我的情況下，我需要加載用於訓練的地面真值邊界框，並且將每個圖像的所有gtbox加載到一個張量並對其進行採樣可能不太實際。但是絕對地，將邊界框表示爲張量列表**是有意義的，這是更加靈活的。 – bichen

是的，我建議您使用張量列表（邊界框）。從4D張量的轉換僅僅是在某些形式的對象檢測中出現的情況的例子，例如YOLO，SSD等。 – RobR

Tensorflow：尺寸不一致的張量？

回答

相關問題