【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_time
    tot_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dets
      results[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

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