Tensorflow：尺寸大小不一致的张量？

Question

我一直在实现一个用于对象检测的卷积神经网络，但遇到了以下问题：

对于对象检测任务，通常，一张输入图像与不确定数量的对象边界框相关联。每个边界框可以用 4 个坐标表示。因此，要将边界框表示为张量，形状将是：

[batch_size, variable_num_bbox(?), 4] 

注意，这里不仅variable_num_bbox不能在图构建之前指定，而且即使在一批输入中，不同的图像也可以有不同数量的边界框。

作为一个说明性示例，我想将以下数组转换为张量：

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

这里，variable_num_bbox=2 表示第一张图片，但它是 1 表示第二张图片。

我已经尝试了几种将上述嵌套列表转换为张量的方法，但都失败了，这让我想到了 tensorflow 是否支持尺寸大小不一致的张量？如果没有，是否有计划支持它为开发人员提供这种灵活性？如果不支持，有没有办法绕过这个问题进行对象检测任务？一种解决方案是设置 batch_size=1 ，并且边界框可以表示为形状为 [variable_num_bbox(?), 4] 的张量，所以是的，维度不一致性消失了，但这会严重影响效率。

Answer 1

我为解决这个问题所做的就是在需要时生成一个边界框列表。例如，如果您在 4D 张量中有所有边界框（即每个图像的边界框数量相同）并且想要执行非最大抑制（这通常会导致每个图像的框数量可变），您可以使用一些东西像这样：

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))

这有帮助吗？