def npu_multiclass_nms()

def npu_multiclass_nms(multi_bboxes,multi_scores, score_thr=0.05,nms_thr=0.45,max_num=50,score_factors=None):

使用NPU API的多类bbox NMS。

• 参数：
  • multi_bboxes (Tensor) - shape(n, #class, 4)或(n, 4)。
  • multi_scores (Tensor) - shape(n, #class+1)，其中最后一列包含background class分数，可忽略。在NPU上，为保持语义畅通，我们将统一维度。
  • score_thr (Float，默认值为0.05) - bbox阈值，分数低于它的bbox将不被考虑。
  • nms_thr (Float，默认值为0.45) - NMS IoU阈值。最初的实现是传递{"iouthreshold": 0.45}字典，这里做了简化。
  • max_num (Int，默认值为50) - 如果NMS后的bbox数超过max_num值，则只保留最大max_num；如果NMS后的bbox数小于max_num值，则输出将零填充到max_num值。在NPU上需提前申请内存，因此目前不能将max_num值设置为-1。
  • score_factors (Tensor，默认值为None) - NMS应用前用来乘分数的因子。
• 调用方式样例：

  from torch_npu.contrib.function import npu_multiclass_nms
  det_bboxes, det_labels = npu_multiclass_nms(boxes, scores, score_thr=0.3, nms_thr=0.5, max_num=3)

• 约束限制

  在动态shape条件下，由于NPU op的限制，最多支持20个类别（nmsed_classes）和10000个框（nmsed_boxes）。

• 返回值：

  Tuple - (bboxes, labels)，shape为(k, 5)和(k, 1)的张量。标签以0为基础。

• 示例：

          >>> boxes = torch.randint(1, 255, size=(1000, 4))
          >>> scores = torch.randn(1000, 81)
          >>> boxes = boxes.npu().half()
          >>> scores = scores.npu().half()
          >>> det_bboxes, det_labels = npu_multiclass_nms(boxes, scores, score_thr=0.3, nms_thr=0.5, max_num=3)
          >>> expedt_det_bboxes = torch.tensor([[ 57.0000, 198.8750, 45.9688, 221.8750, 4.1484],[215.0000, 155.0000, 236.8750, 137.0000,3.9023], [208.8750, 221.0000, 228.0000,  17.0000,   3.8867]],dtype=torch.float16)