【代碼】CenterNet使用（續）（對五六七部分詳解）（七）

接上面部分，對五六七部分進行詳解，這篇介紹第七部分。

一、回顧

第七部分進行最後的後處理：

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

merge_outputs在ctdet.py中

二、詳解

merge_outputs在ctdet.py中：

  def merge_outputs(self, detections):
    # 輸入的detections是一個列表，圖片（某一張）的不同尺度對應不同元素，每個元素是一個len=80的列表，包含det和score的信息
    results = {}
    # 對於第j類
    for j in range(1, self.num_classes + 1):
      # results[j]保存所有圖片中第j類的dets，彙總不同尺度的dets
      results[j] = np.concatenate(
        [detection[j] for detection in detections], axis=0).astype(np.float32)
      # 可以進行一波nms，讓不同尺度獲得的dets篩選
      if len(self.scales) > 1 or self.opt.nms:
         soft_nms(results[j], Nt=0.5, method=2)
    # scores是(100, )的ndarray
    scores = 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_image
      thresh = 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

最後獲得的results是 80個元素的dict，包含各個類別的dets和scores。