0722-极智开发-解读GPU版NMS的实现方式_torchnms资源-CSDN文库

版权申诉

150 浏览量 2024-03-07 17:28:35 上传评论 1 收藏 116KB DOCX 举报

资源推荐

资源详情

资源评论

GPU BATCH NMS

YOLO 后处理的结构

1. Decoding 部分目前 TRT yolo 层已经将输出结果转为了 x y w h，后续所作工作为筛选阈

值，pass 掉小于阈值的框，并且按照 class 分好类输出。

2. NMS 计算 IoU 矩阵。 NMS 算法发展至今已经迭代了许多版本，但是 NMS 的第一步依

旧都是计算 IoU 矩阵。

3. 过滤多余框。这一步是 NMS 算法迭代的主要优化点，出现了多种方法 Fast NMS，Cluster

NMS，Matrix NMS。

Decoding 部分，算法逻辑非常简单。目前有 64*64+32*32+16*16 个框数据需要做处理，建

立__goble__ Decoding()函数，设置 block 为（n , n），设置 gride 为(batch，3),使用 stream

并行处理三个尺度的 archors。

正视图上每一格为一个 bbox 框，每一个线程负责一个 bbox 从而起到加速效果。

另外新建同样大小的 Threshold 矩阵，class 矩阵，分别存放判断为 object 的框和类别。

另一部分为将 bbox 的 x y w h 还原为在原图的位置，这部分加速主要在这方面。

得出 Threshold 矩阵，class 矩阵之后，为每一个类别开辟相应大小的空间，将对应的数据整

理进去为计算 IoU 矩阵做准备。

__global__ void decode( float* yoloBoxs, float* boxLocation, float* classPreation ,

int gride_size, int threshold_index, int classNB,

int class_index, int archorsNB , int box_len, float threshold ,float alpha , float

beat ,const float *archor_w , const float *archor_h , const float w, const float h)

{

int threadIdX = threadIdx.x;

int threadIdY = threadIdx.y;

int archor_index = blockIdx.x;

int batchIndex = blockIdx.y;

int firstIndex = archor_index * box_len * gride_size + batchIndex * archorsNB *

box_len * gride_size;

int index_threshold = threadIdX + threshold_index* gride_size + firstIndex;

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

版权申诉

极智视界

粉丝: 3w+
资源: 1770

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip