NMS 非極大抑制

2021-08-07 22:12:47 字數 1602 閱讀 4928

因為去修改deploy.prototxt中nums_threshold引數,想到研究一下nms非極大抑制,記錄一下簡單的理解。

非極大抑制用在目標檢測後篩選最終結果,更精確的定位。

一般分三步:

1、置信度排序並選出框置信度最高的框

2、計算其他框與最高置信度框的iou,若iou大於閾值(nums_threshold),則認為與最大一致,去除,保留最大。

3、從未處理的框中重新選置信度最高的框,繼續1、2

python**:

import numpy as np

dets = np.array([

[204, 102, 358, 250, 0.5],

[257, 118, 380, 250, 0.7],

[280, 135, 400, 250, 0.6],

[255, 118, 360, 235, 0.7]])

thresh = 0.3

def nms(dets, thresh):

x1 = dets[:, 0]

y1 = dets[:, 1]

x2 = dets[:, 2]

y2 = dets[:, 3]

scores = dets[:, 4]

areas = (x2 - x1 + 1) * (y2 - y1 + 1) # 每個boundingbox的面積

order = scores.argsort()[::-1] # boundingbox的置信度排序

keep = # 用來儲存最後留下來的boundingbox

while order.size > 0:

i = order[0] # 置信度最高的boundingbox的index

# 當前bbox和剩下bbox之間的交叉區域

# 選擇大於x1,y1和小於x2,y2的區域

xx1 = np.maximum(x1[i], x1[order[1:]])

yy1 = np.maximum(y1[i], y1[order[1:]])

xx2 = np.minimum(x2[i], x2[order[1:]])

yy2 = np.minimum(y2[i], y2[order[1:]])

# 當前bbox和其他剩下bbox之間交叉區域的面積

w = np.maximum(0.0, xx2 - xx1 + 1)

h = np.maximum(0.0, yy2 - yy1 + 1)

inter = w * h

# 交叉區域面積 / (bbox + 某區域面積 - 交叉區域面積)

ovr = inter / (areas[i] + areas[order[1:]] - inter)

#保留交集小於一定閾值的boundingbox

inds = np.where(ovr <= thresh)[0]

order = order[inds + 1]

return keep

print nms(dets, thresh)

非極大值抑制(NMS)

非極大值抑制 nms 非極大值抑制顧名思義就是抑制不是極大值的元素,搜尋區域性的極大值。這個區域性代表的是乙個鄰域,鄰域有兩個引數可變,一是鄰域的維數,二是鄰域的大小。這裡不討論通用的nms演算法,而是用於在目標檢測中用於提取分數最高的視窗的。例如在行人檢測中,滑動視窗經提取特徵,經分類器分類識別後...

NMS非極大值抑制

非極大值抑制演算法 non maximum suppression for object detection in python 非極大值抑制演算法 nms 非極大值抑制 矩形框融合 nms 卷積網路改進實現 筆記 人臉檢測視窗選擇辦法 nms convnet 開源 如何用soft nms實現目標檢...

非極大值抑制(NMS)

非極大值抑制 nms 非極大值抑制顧名思義就是抑制不是極大值的元素,搜尋區域性的極大值。這個區域性代表的是乙個鄰域,鄰域有兩個引數可變,一是鄰域的維數,二是鄰域的大小。這裡不討論通用的nms演算法,而是用於在目標檢測中用於提取分數最高的視窗的。例如在行人檢測中,滑動視窗經提取特徵,經分類器分類識別後...