有什麼比一張圖更能說明問題呢。nms廣泛應用於邊緣檢測，人臉檢測和目標檢測等，用於消除冗餘的框。也有專門研究它的**。如下就faster-rcnn_tf中nms的python原始碼進行注釋。
圖1 nms的乙個功能示意圖，**
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) #所有box面積
print "all box aress: ", areas
order = scores.argsort()[::-1] #降序排列得到scores的座標索引
keep =
while order.size > 0:
i = order[0] #最大得分box的座標索引
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:]]) #最高得分的boax與其他box的公共部分(交集)
w = np.maximum(0.0, xx2 - xx1 + 1)
h = np.maximum(0.0, yy2 - yy1 + 1) #求高和寬，並使數值合法化
inter = w * h #其他所有box的面積
ovr = inter / (areas[i] + areas[order[1:]] - inter) #iou:交並比
inds = np.where(ovr <= thresh)[0] #ovr小表示兩個box交集少，可能是另乙個物體的框，故需要保留
order = order[inds + 1] #iou小於閾值的框
return keep
import cv2
import numpy as np
import random
img=np.zeros((300,400), np.uint8)
dets=np.array([[83,54,165,163,0.8], [67,48,118,132,0.5], [91,38,192,171,0.6]], np.float)
img_cp=img.copy()
for box in dets.tolist(): #顯示待測試框及置信度
x1,y1,x2,y2,score=int(box[0]),int(box[1]),int(box[2]),int(box[3]),box[-1]
y_text=int(random.uniform(y1, y2))
cv2.rectangle(img_cp, (x1,y1), (x2, y2), (255, 255, 255), 2)
cv2.puttext(img_cp, str(score), (x2-30, y_text), 2,1, (255, 255, 0))
cv2.imshow("ori_img", img_cp)
rtn_box=nms(dets, 0.3) #0.3為faster-rcnn中配置檔案的預設值
cls_dets=dets[rtn_box, :]
print "nms box:", cls_dets
img_cp=img.copy()
for box in cls_dets.tolist():
x1,y1,x2,y2,score=int(box[0]),int(box[1]),int(box[2]),int(box[3]),box[-1]
y_text=int(random.uniform(y1, y2))
cv2.rectangle(img_cp, (x1,y1), (x2, y2), (255, 255, 255), 2)
cv2.puttext(img_cp, str(score), (x2-30, y_text), 2,1, (255, 255, 0))
更詳盡的文章參看
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...