【代码】CenterNet使用（续）（对五六七部分详解）（七）

五六七部分详解）（七）"/>

【代码】CenterNet使用（续）（对五六七部分详解）（七）

接上面部分，对五六七部分进行详解，这篇介绍第七部分。

一、回顾

第七部分进行最后的后处理：

    results = self.merge_outputs(detections)torch.cuda.synchronize()end_time = time.time()merge_time += end_time - post_process_timetot_time += end_time - start_time

merge_outputs在ctdet.py中

二、详解

merge_outputs在ctdet.py中：

  def merge_outputs(self, detections):# 输入的detections是一个列表，图片（某一张）的不同尺度对应不同元素，每个元素是一个len=80的列表，包含det和score的信息results = {}# 对于第j类for j in range(1, self.num_classes + 1):# results[j]保存所有图片中第j类的dets，汇总不同尺度的detsresults[j] = np.concatenate([detection[j] for detection in detections], axis=0).astype(np.float32)# 可以进行一波nms，让不同尺度获得的dets筛选if len(self.scales) > 1 or self.opt.nms:soft_nms(results[j], Nt=0.5, method=2)# scores是(100, )的ndarrayscores = np.hstack([results[j][:, 4] for j in range(1, self.num_classes + 1)])if len(scores) > self.max_per_image:kth = len(scores) - self.max_per_imagethresh = np.partition(scores, kth)[kth]for j in range(1, self.num_classes + 1):keep_inds = (results[j][:, 4] >= thresh)results[j] = results[j][keep_inds]return results

最后获得的results是 80个元素的dict，包含各个类别的dets和scores。