nms算法就是對(duì)同一個(gè)anhor 的box 進(jìn)行基于閾值的去重

1、目的

對(duì)于尺寸為416×416的輸入圖像，YOLO預(yù)測(cè)（（52×52）+（26×26）+ 13×13））×3 = 10647個(gè)邊界框。 但是，在我的圖像中只有三個(gè)物體(本人，水杯，手機(jī))。 我們?nèi)绾螌z測(cè)結(jié)果從10647減少到3呢？

2、基于對(duì)象置信度的閾值。

首先，我們根據(jù)對(duì)象分?jǐn)?shù)(objectness score)過濾框。 通常，具有低于閾值分?jǐn)?shù)的框被忽略。

3、非最大抑制（NMS）

NMS打算解決同一圖像的多重檢測(cè)問題。通過抑制不是極大值的元素，可以理解為局部最大搜索。這個(gè)局部代表的是一個(gè)鄰域，鄰域有兩個(gè)參數(shù)可變，一是鄰域的維數(shù)，二是鄰域的大小。這里討論用于目標(biāo)檢測(cè)中提取分?jǐn)?shù)最高的窗口的。例如在行人檢測(cè)中，滑動(dòng)窗口經(jīng)提取特征，經(jīng)分類器分類識(shí)別后，每個(gè)窗口都會(huì)得到一個(gè)分?jǐn)?shù)。但是滑動(dòng)窗口會(huì)導(dǎo)致很多窗口與其他窗口存在包含或者大部分交叉的情況。這時(shí)就需要用到NMS來選取那些鄰域里分?jǐn)?shù)最高（是行人的概率最大），并且抑制那些分?jǐn)?shù)低的窗口。

3.1、算法過程

• Step1：按置信概率排列相應(yīng)的備選框

• ：取最大的框作為保留框，與其IOU大于閾值的框刪除掉

• ：剩下的框執(zhí)行Step2

# python3 import numpy as npdef py_nms(dets, thresh):"""Pure Python NMS baseline."""#x1、y1、x2、y2、以及score賦值x1 = dets[:, 0]y1 = dets[:, 1]x2 = dets[:, 2]y2 = dets[:, 3]scores = dets[:, 4]#每一個(gè)候選框的面積areas = (x2 - x1 + 1) * (y2 - y1 + 1)### argsort()函數(shù)是將x中的元素從小到大排列，提取其對(duì)應(yīng)的index(索引)or1=scores.argsort() #array([3, 2, 1, 0])#降序排序的order = or1[::-1]keep = []while order.size > 0:#先取order最大的那個(gè)索引　ii = order[0]#保留score最大的那個(gè)boxkeep.append(i)#計(jì)算當(dāng)前概率最大矩形框與其他矩形框的相交框的坐標(biāo)，會(huì)用到numpy的broadcast機(jī)制，得到的是向量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:]])#計(jì)算相交框的面積,注意矩形框不相交時(shí)w或h算出來會(huì)是負(fù)數(shù)，用0代替#分別計(jì)算其他box 與　i box 的交集w = np.maximum(0.0, xx2 - xx1 + 1)h = np.maximum(0.0, yy2 - yy1 + 1)inter = w * h#計(jì)算重疊度IOU：重疊面積/（面積1+面積2-重疊面積）#其他box 與i box 的iouovr = inter / (areas[i] + areas[order[1:]] - inter)#找到重疊度不高于閾值的矩形框索引inds = np.where(ovr <= thresh)[0]#因?yàn)閛vr 是三維，已經(jīng)去掉了score最大的那一個(gè)#將order序列更新，由于前面得到的矩形框索引要比矩形框在原order序列中的索引小1，所以要把這個(gè)1加回來order = order[inds + 1]return keep# test if __name__ == "__main__":dets = np.array([[30, 20, 230, 200, 1], [50, 50, 260, 220, 0.9],[210, 30, 420, 5, 0.8],[430, 280, 460, 360, 0.7]])thresh = 0.35keep_dets = py_nms(dets, thresh)print(keep_dets)print(dets[keep_dets])

tensorflow 有內(nèi)置的nms算法api

tf.image.non_max_suppression_with_scores(boxes, scores, max_output_size, iou_threshold=0.5,score_threshold=float('-inf'), soft_nms_sigma=0.0, name=None )

參考鏈接一

參考鏈接二

參考鏈接三

參考鏈接四

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的目标检测 nms非极大抑制算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。