1.只用於**，不用於訓練；
2.在每一類的所有box中進行篩選；
3.iou太大則被刪除。
公式：
1.不要直接地刪除所有iou大於閾值的框，而是降低其置信度；
2.分數降低常用兩種方法：線性法和高斯法。
線性法：
m為當前得分最高框，bi 為待處理框，bi 和m的iou越大，bi 的得分si 就下降的越厲害（而不是直接置零）。但該式並不是乙個連續的函式，當乙個邊框與m的iou超過閾值nt時，其得分會發生跳變，這種跳變會對檢測結果產生較大的波動。
高斯法：
上述演算法仍會存在如下問題：
1.只依賴分類得分，可能會篩選出box分高但是位置不太準的邊框；
2.對於乙個真實物體，當所有的**邊框都不准時，該如何選擇？
以下方法能提公升定位準確度：
1.新增加了乙個定位置信度的**，使得高分類置信度的邊框位置變得更加準確；
2.提出了一種基於kl（kullback- leibler）散度的邊框回歸損失函式kl loss。
1.增加了乙個 iou分支，其能**檢測到的邊界框和它們對應的真實目標框之間的 iou；
2.引入了精準池化層（pr池化），代替了poipooling；
3.引入定位置信度。
NMS 卷積網路改進實現
未完待續 nms，非極大值抑制，在很多計算機視覺問題中有著重要應用，尤其是目標檢測領域。以人臉檢測為例，通常的流程為3步 1 通過滑動視窗或者其它的object proposals方法產生大量的候選視窗 2 用訓練好的分類器對候選視窗進行分類，該過程可以看做是乙個打分的過程 3 使用nms對上面的檢...
showMem c setMem c 及其改進
ifndef memutil h included define memutil h included show memory void showmem void unsigned setup memory int setmem void const char endif memutil h inc...
氣泡排序及其改進
1.排序思想 氣泡排序也是非常簡單的排序演算法，易於理解。要點 1 也把陣列看作有序和無序部分，初始時將整個陣列視為無序 2 每次遍歷陣列中的無序部分，且兩兩比較，並將兩者中較大的元素置於後面一位，則一趟遍歷完成後，最大元素自然 沉到 無序部分的最後一位 3 減小無序部分的長度，迴圈第二步，直到陣列...