NMS

目标检测的算法流程大致如下:①由RPN生成若干类别无关的proposal(下图中左上到右上)②由分类网络和回归网络生成每个proposal的类别概率分布和坐标偏移量(右上到右下)③对所有检测框进行NMS得到最终的检测框(右下到左下)

NMS就是用于消除如右下图所示的重叠的一些检测框

NMS算法过程:

开始于一个检测框列表B、对应的置信度(类别概率)列表S、空的最终检测框列表D、阈值N_t。

首先,找到最高置信度对应的检测框M, 将其从B中删除,并添加到最终检测框列表D中。然后,计算M与B中其他检测框的重叠程度IOU,将IOU大于阈值N_t的目标检测框从B中删除。

对于B中剩余的检测框,继续重复这个过程,直到B为空时结束

Sotf-NMS

按照NMS,下图中蓝色框(置信度0.9)和绿色框(置信度0.8)因为和红色框(置信度0.95)的重叠过大而需要被删除,但实际上不希望绿色框被删除,因为其中确实存在另一个目标,当然你可以通过增大阈值N_t来保留绿色框,但那可能会带来更多的误检

因此Soft-NMS就是被提出用来解决这个问题的算法,它的思想是与M重叠度大于阈值N_t的其他检测框不会直接从B中删除了,而是采用一个函数来衰减这些检测框的置信度

Soft-NMS的算法流程及它与NMS的区别如下图所示:

进行Sotf-NMS处理后,可以指定一个置信度阈值,处理后的置信度大于该阈值的检测框将被保留作为最终的检测框

Soft-NMS中的衰减函数可以由如下几种:

①线性衰减函数

②高斯衰减函数

参考:

CV面试夺命三连问:什么是NMS ? 与Soft-NMS的区别? 编程实现?

NMS和soft-nms算法 - outthinker - 博客园

NMS和Soft-NMS相关推荐

  1. NMS、soft NMS、softer NMS与IOU-Guided NMS

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 NMS.soft NMS.softer NMS与IOU-Guided NMS 一.NMS 二.soft NMS 三.softer NM ...

  2. 目标检测中的NMS,soft NMS,softer NMS,Weighted Boxes Fusion

    NMS 非最大值抑制算法,诞生至少50年了. 在经典的两阶段目标检测算法中,为了提高对于目标的召回率,在anchor阶段会生成密密麻麻的anchor框. 所以在后处理的时候,会存在着很多冗余框对应着同 ...

  3. NMS与Soft NMS

    1.NMS 非最大抑制(Non-maximum suppression, NMS)是物体检测流程中重要的组成部分.NMS算法的大致思想:对于有重叠的候选框:若大于规定阈值(某一提前设定的置信度)则删除 ...

  4. Soft NMS算法笔记

    原博客地址:https://blog.csdn.net/u014380165/article/details/79502197#comments 提出问题 如下图,测算法本来应该输出两个框,但是传统的 ...

  5. 交并比 (IoU), mAP (mean Average Precision), 非极大值抑制 (NMS, Soft NMS, Softer NMS, IoU-Net)

    目录 目标检测的评价指标 交并比 (Intersection of Union, IoU) mAP (mean Average Precision) 其他指标 非极大值抑制 (Non-Maximum ...

  6. nms,soft nms算法理解

    从上面这张图可以看出来nms和soft nms的算法原理: ** 经典nms的原理 **设定目标框的置信度阈值,常用的阈值是0.5左右 根据置信度降序排列候选框列表 选取置信度最高的框A添加到输出列表 ...

  7. nms修改为soft nms

    nms修改为soft nms 一,NMS与soft nms原理 先放一张论文中的图 在对上述图片中的目标进行检测过程中,使用非极大值抑制(NMS)进行筛选时只能获取到得分最高的框(得分0.95),对于 ...

  8. 卷积在计算机中实现+pool作用+数据预处理目的+特征归一化+理解BN+感受野理解与计算+梯度回传+NMS/soft NMS

    一.卷积在计算机中实现 1.卷积 将其存入内存当中再操作(按照"行先序"): 这样就造成混乱. 故需要im2col操作,将特征图转换成庞大的矩阵来进行卷积计算,利用矩阵加速来实现, ...

  9. Soft NMS论文笔记

    论文:Improving Object Detection With One Line of Code. Navaneeth Bodla*, Bharat Singh*, Rama Chellappa ...

  10. Soft NMS+Softer NMS+KL Loss

    论文1: Soft-NMS – Improving Object Detection With One Line of Code (ICCV2017) 速达>> 论文2: Softer-N ...

最新文章

  1. ITJ上的一篇论文(E-WsFrame)
  2. sample,batch和epoch都是啥意思??
  3. Lammps命令与in文件
  4. Python pip – error: invalid command ‘bdist_wheel’
  5. 大牛讲解Kubernetes实战
  6. IOS KVO与NSNotificationCenter简单使用
  7. 温度转换问题——从C到Python
  8. android+action +actionform上传文件,ActionForm之文件上传
  9. html菜鸟教程之HTML新手如何快速入门及HTML类的概述[图]
  10. c语言 电阻器的分类,电阻器的分类与特点
  11. 【python爬虫】爬取链家二手房数据
  12. 谷歌 Jason Wei | AI 研究的 4 项基本技能
  13. 【顺序、分支、循环、子程序设计】—— 微机原理实验
  14. 17.10.21B组题解
  15. 2022年计算机四级考试冲刺试题及答案(多选题)
  16. 版式设计中的黑白灰空间感营造
  17. Thrift入门及Java实例
  18. RAD Studio 11.2 详细图文安装教程 (delphi 11.2)
  19. java图片转视频,附加代码以供参考
  20. android原生MediaPlayer播放本地的m3u8

热门文章

  1. 木老师教笨笨课堂——系列讲座(从函数指针到委托) 二、C语言里的函数指针...
  2. Alfred workflow 开发指南
  3. 网络笔记_OSPF不同网络类型通讯、虚连接的应用
  4. Swift - UILabel部分字体变颜色
  5. 基于docker的influxdb时序数据库搭建
  6. 11月VR大数据:SteamVR新增PICO 4串流数据统计
  7. 算法大作业 圆排列问题
  8. 投资组合分析:portfolio_analysis.Tangenvy_portfolio(切点组合)
  9. 单色背景抠图方法(绿色背景抠图、肤色检测)之——chroma kye
  10. 论文解读 | [CVPR2019] 基于自适应文本区域表示的任意形状场景文本检测