浅谈非极大值抑制和IOU

非极大值抑制，简称NMS，是一种获取局部最大值的有效算法。不管是one-stage还是two-stage，NMS都是其中的重要一环，被广泛应用于各种目标检测算法中。
下面以一个例子来简述非极大值抑制在目标检测中的应用。

在实际检测过程中，一个目标往往会检测出多个region proposal

很多时候，我们只希望保留一个region proposal，这个时候就需要使用NMS，具体做法为：
1.设定region proposal的置信度阈值，设定的阈值越小，消除的proposal越多，但是不建议设定过低，避免消除其他目标的proposal。一般设定阈值为0.5。
2.根据每个region proposal的置信度，对其按照降序排序
3.拿出置信度最高的region proposal A，对其他的region proposalB进行IOU操作，得出依次的值与设定的阈值进行比较，若大于阈值，则B筛掉。
4.重复第三步，直到完成所有的筛选

下面说一下什么是IOU：
IOU是两个区域重叠的部分除以两个区域集合部分，即交集比并集。通过设定的阈值，与IOU进行比较

通过IOU，可以实现对分类模型准确率的好坏的衡量。IOU越高，则模型预测越准确。

浅谈非极大值抑制和IOU相关推荐

非极大值抑制与IOU
非极大值抑制(Non-max suppression) 选出置信度最高的框,计算其他框与它的IOU,超过阈值将其他候选框删除. 比如阈值设置成0.5. 总的来说,去除多余的候选框 IOU 又称交并比, ...
非极大值抑制_【计算机视觉——RCNN目标检测系列】三、IoU与非极大抑制
写在前面在上一篇博客:[计算机视觉-RCNN目标检测系列]二.边界框回归(Bounding-Box Regression)( 戴璞微:[计算机视觉-RCNN目标检测系列]二.边界框回归(Boundi ...
吴恩达神经网络和深度学习-学习笔记-44-交并比IoU + 非极大值抑制
交并比IoU--衡量定位精确度在对象检测任务中,我们希望能够同时定位对象. 人们定义IoU这个概念,是为了评价你的对象定位算法是否精准,但更一般地说,IoU衡量了两个边界框重叠的相对大小. 如果实际 ...
MTCNN中的重叠度IOU和非极大值抑制NMS原理及Python实现
MTCNN中的重叠度IOU和非极大值抑制NMS原理及Python实现一.重叠度iou 从在一张照片上框人脸时,因为图像金字塔的原因可能会把人脸框两次以上,每个框的坐标为[X1,Y1X2,Y2,C], ...
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 ...
目标定位和检测系列：交并比（IOU）和非极大值抑制（NMS）的python与C/C++实现
Python实现交并比(Intersection over Union)和非极大值抑制是(Non-Maximum Suppression)是目标检测任务中非常重要的两个概念.例如在用训练好的模型进行 ...
在Python中用cupy实现IoU（交并比）和NMS（非极大值抑制）的GPU加速
1. 前言 IoU(交并比)和NMS(非极大值抑制)的计算在目标检测任务中可以说是必不可少的,但是当需要计算的bounding box的数量级很大的时候,cpu就吃不消了.例如在对Faster RCN ...
手写非极大值抑制代码(NMS)
在物体检测领域当中,非极大值抑制应用十分广泛,目的是为了消除多余的框,找到最佳的物体检测的位置.那么具体如何操作呢?如下图所示,有三个boundingbox,其中第一个绿色boundingbox的置信 ...
Non-Maximum Suppression，NMS非极大值抑制
Non-Maximum Suppression,NMS非极大值抑制概述非极大值抑制(Non-Maximum Suppression,NMS),顾名思义就是抑制不是极大值的元素,可以理解为局部最大搜 ...

浅谈非极大值抑制和IOU

浅谈非极大值抑制和IOU相关推荐

最新文章

热门文章