使用GLIGEN进行推理时如何处理BBOX

在使用GLIGEN进行推理时，通常需要对输出结果（如检测框）进行后处理才能得到最终的检测结果。其中BBOX（边界框）是常见的一种输出结果，表示检测到的目标在原图片中的位置和大小。

处理BBOX的方法取决于具体的推理任务和计算框架，以下是一种PyTorch框架下的示例代码：

import torch
from torchvision.ops import nms

# 假设输出结果为N个检测框，每个检测框表示为[x1, y1, x2, y2, score]
detections = ...

# 筛选分数高于阈值的检测框
threshold = 0.8
detections = detections[detections[:, 4] > threshold]

# 非极大值抑制，去掉重叠较高的检测框
iou_threshold = 0.5
detections = nms(detections[:, :4], detections[:, 4], iou_threshold)

# 将检测框的坐标从归一化坐标转换为原始图片中的绝对坐标
img_size = [512, 512]
detections[:, :4] = detections[:, :4] * img_size

# 得到最终的BBOX列表，每个BBOX表示为[x1, y1, x2, y2]
bboxes = detections[:, :4].int().tolist()

在上述示例中，首先通过阈值筛选和非极大值抑制过滤掉一部分检测框。接着将剩余的检测框的坐标从归一化坐标转换为原始图片中的绝对坐标。最后得到的bboxes即为最终的BBOX列表，每个BBOX表示为四个整数，分别对应左上角和右下角的坐标。