fcos 后处理 c++代码实现

FCOS（Fully Convolutional One-Stage Object Detection）是一种目标检测算法，其后处理部分的C++代码实现可以参考以下步骤：

1. 对检测结果进行筛选和排序。可以根据置信度对检测结果进行排序，并设置置信度阈值，只保留置信度高于阈值的检测结果。

2. 进行非极大值抑制（NMS）。NMS可以去除重复的检测结果，将重复区域的检测结果合并为一个，只保留置信度最高的检测结果。

3. 进行边界框回归。将检测结果中的边界框根据预测的偏移量进行调整，得到更精确的边界框位置。

下面是一个简单的FCOS后处理C++代码实现示例：

void fcos_post_process(float* scores, float* bbox_regs, float* centerness, int num_anchors, int num_classes, int img_width, int img_height, float score_thresh, float nms_thresh, vector<DetectedObject>& detected_objects)
{
    vector<DetectedObject> all_objects;
    for (int i = 0; i < num_anchors; i++)
    {
        for (int j = 0; j < num_classes; j++)
        {
            int idx = i * num_classes + j;
            float score = sigmoid(scores[idx]);
            if (score > score_thresh)
            {
                float cx = (float)i / num_anchors * img_width;
                float cy = (float)j / num_classes * img_height;
                float w = bbox_regs[idx * 4];
                float h = bbox_regs[idx * 4 + 1];
                float x1 = cx - w / 2;
                float y1 = cy - h / 2;
                float x2 = cx + w / 2;
                float y2 = cy + h / 2;
                float centerness_score = sigmoid(centerness[idx]);
                DetectedObject obj;
                obj.bbox = BBox(x1, y1, x2, y2);
                obj.score = score * centerness_score;
                obj.class_id = j;
                all_objects.push_back(obj);
            }
        }
    }

    sort(all_objects.begin(), all_objects.end(), [](const DetectedObject& a, const DetectedObject& b) {
        return a.score > b.score;
    });

    vector<DetectedObject> nms_objects;
    for (auto& obj : all_objects)
    {
        bool keep = true;
        for (auto& nms_obj : nms_objects)
        {
            if (iou(obj.bbox, nms_obj.bbox) > nms_thresh)
            {
                keep = false;
                break;
            }
        }
        if (keep)
        {
            nms_objects.push_back(obj);
        }
    }

    detected_objects = nms_objects;
}

这段代码实现了FCOS算法的后处理部分，其中sigmoid函数用于将输出值转换为概率值，iou函数用于计算两个边界框之间的IoU（Intersection over Union）。最终得到的检测结果保存在detected_objects数组中。