Tensorflow目标检测API中提取的框特征是否与检测结果按分数降序排序？

没错，你观察到的排序规则是完全一致的！SecondStageBoxPredictor/AvgPool:0返回的边界框特征，和detection_boxes:0、detection_scores:0的索引是严格对应的——也就是说，第i个位置的特征，正好对应第i个检测框和第i个检测分数。

背后的逻辑： #

Faster R-CNN的推理流程里，第二阶段（也就是你提到的SecondStageBoxPredictor相关模块）处理的是经过非极大值抑制（NMS）+ 分数降序筛选后的Top 100个候选框（这也是为什么特征张量的第一维度是100）。整个流程的顺序是：

• 第一阶段（RPN）生成大量候选框
• 对这些候选框提取初步特征后，进行分类和回归，得到每个框的分数和修正后的坐标
• 按照分数从高到低排序，再经过NMS去除重叠框，最终保留Top 100个结果
• 这Top 100个框会被送入第二阶段的AvgPool层提取最终的2048维特征

所以这三个张量的排序完全同步：

• detection_scores:0是降序排列的
• detection_boxes:0按照对应分数的顺序排列
• SecondStageBoxPredictor/AvgPool:0的每个特征向量，也对应着相同位置的高到低排序的检测框

如果你要提取Top-K个特征，直接取这个特征张量的前K个元素（比如features[:K]）就可以，完全匹配Top-K高分的检测框。

内容的提问来源于stack exchange，提问作者Erica H