non_max_suppression() got an unexpected kryword argument'max_det'

这个错误通常是因为你的代码中调用了一个名为 `non_max_suppression()` 的函数，但该函数不支持 `max_det` 这个参数。

可能的原因是你的代码中使用了一个不兼容的库版本，或者你的代码中自定义了一个名为 `non_max_suppression()` 的函数，但是它与你原本想调用的函数不同。

你可以检查你的代码和依赖库的版本，或者尝试使用其他函数来代替 `non_max_suppression()`。如果你自己定义了 `non_max_suppression()` 函数，可以修改函数参数列表，或者更改函数名称来避免与其他库中的函数冲突。

相关问题

修改# 对每个相机图像进行目标检测 detections1 = model(image1) # 检测结果1 detections2 = model(image2) # 检测结果2 detections3 = model(image3) # 检测结果3 # 对检测结果进行筛选 filtered_detections1 = non_max_suppression(detections1, confidence_threshold, iou_threshold) filtered_detections2 = non_max_suppression(detections2, confidence_threshold, iou_threshold) filtered_detections3 = non_max_suppression(detections3, confidence_threshold, iou_threshold)报错TypeError: conv2d(): argument 'input' (position 1) must be Tensor, not numpy.ndarray

这个错误是因为YOLOv7输出的是一个numpy数组，而非PyTorch张量，因此无法在PyTorch中进一步处理。您需要将numpy数组转换为PyTorch张量，可以使用以下代码：

import torch
import numpy as np

# 转换图像为PyTorch张量
image1 = torch.from_numpy(np.ascontiguousarray(image1)).to(device)
image2 = torch.from_numpy(np.ascontiguousarray(image2)).to(device)
image3 = torch.from_numpy(np.ascontiguousarray(image3)).to(device)

# 检测目标
detections1 = model(image1)
detections2 = model(image2)
detections3 = model(image3)

# 转换检测结果为PyTorch张量
detections1 = [torch.from_numpy(x) for x in detections1]
detections2 = [torch.from_numpy(x) for x in detections2]
detections3 = [torch.from_numpy(x) for x in detections3]

# 对检测结果进行筛选
filtered_detections1 = non_max_suppression(detections1, confidence_threshold, iou_threshold)
filtered_detections2 = non_max_suppression(detections2, confidence_threshold, iou_threshold)
filtered_detections3 = non_max_suppression(detections3, confidence_threshold, iou_threshold)

这将确保您的检测结果可以在PyTorch中进一步处理。

non_max_suppression

non_max_suppression 是一种图像处理算法，它可以在目标检测中用来过滤重叠的检测框。它的基本思想是通过计算每个检测框的非最大值抑制值来确定哪些框应该被保留。这样可以减少多余的检测框，并提高检测算法的准确率。