非极大值抑制(Non-Maximum Suppression,NMS)

 

NMS是为了在诸多CV任务如边缘检测,目标检测等,找到局部最大值

其主要思想是先设定一个阈值,然后计算检测框的IOU(所谓IOU,也就是intersection-over-union,指的是相交面积除以相并面积,是来衡量overlap程度的指数)。如果IOU大于阈值,说明overlap过大,我们要通过某种算法来将其剔除。

比如下图,在经典的人脸识别任务中,出现了多个检测框,每个检测框有一个置信度confidence,我们通过某个算法,保留一个最好的。

 

 

顺便说一下算法的实现步骤把,其实不太重要。就是贪心。

其基本操作流程如下:

  • 首先,计算每一个 bounding box 的面积:
    • (x1, y1) ⇒ 左上点的坐标,(x2, y2) ⇒ 右下点的坐标;
    • (x2-x1+1)x(y2-y1+1)
  • 根据 scores 进行排序(一般从小到大),将 score 最大的bounding box置于队列,接下来计算其余 bounding box 与当前 score 最大的 bounding box 的 IoU,抑制(忽略也即去除)IoU大于设定阈值的 bounding box;
  • 重复以上过程,直至候选 bounding boxes 为空;

 

最后上一段python代码吧…也很简单,直接转载了别人的…

 

参考链接

目标窗口检测算法-NMS非极大值抑制

作者: CrazyKK

ex-ACMer@hust,researcher@sensetime

说点什么

您将是第一位评论人!

提醒
wpDiscuz