tensor索引[..., 0]

这篇博客探讨了在深度学习目标检测任务中,如何通过索引来解析预测输出。内容涉及tensor的索引方式,例如使用sigmoid激活函数限制框坐标(x, y)的范围,并解释了prediction的不同索引表示的含义,如prediction[...,0]代表边界框的x坐标,prediction[...,4]是置信度等关键信息。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

tensor的一个索引方式:

self.bbox_attrs = 5 + num_classes # 5 =(4+1):框的四个参数(x,y,w,h)+ 框内是否有物体

prediction = input.view(batch_size, len(self.anchors_mask[i]),
                                    self.bbox_attrs, input_height, input_width).permute(0, 1, 3, 4, 2).contiguous()
x = torch.sigmoid(prediction[..., 0])  #sigmoid将调整的范围固定在一个cell(0,1)里
y = torch.sigmoid(prediction[..., 1])
w = prediction[..., 2]
h = prediction[..., 3]
conf = torch.sigmoid(prediction[..., 4])
pred_cls = torch.sigmoid(prediction[..., 5:])

prediction[…, 0] 表示prediction的01234维数的值全取,索引0代表bbox_attrs的第一个位置。相当于二维矩阵的每行的第一个元素。
prediction[:, :, 1]相当于取第三维的第二个元素。
prediction[:, 1]相当于取第二维的第二个元素。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值