最近在学习RCNN时看到了非极大值抑制,一开始有点不明白,在网上学习了之后记录一下。

非极大值抑制就是一个寻找局部最大值的过程。

在进行目标检测时一般会采取窗口滑动的方式,在图像上生成很多的候选框,然后把这些候选框进行特征提取后送入分类器,一般会得出一个得分(score),比如人脸检测,会在很多框上都有得分,然后把这些得分全部排序。选取得分最高的那个框,接下来计算其他的框与当前框的重合程度(iou),如果重合程度大于一定阈值就删除,因为在同一个脸上可能会有好几个高得分的框,都是人脸但是不需要那么框我们只需要一个就够了。

那么肯定有人会好奇,如果图片中有好几个人脸,你这选取一个最大的,那第二个人脸怎么办呢。

实际上这是一个迭代的过程,第一步的非极大值抑制就是选取了某一个最大的得分,然后删除了他周边的几个框,第二次迭代的时候在剩下的框里面选取一个最大的,然后再删除它周围iou区域大于一定阈值的,这样不停的迭代下去就会得到所有想要找到的目标物体的区域。

假设有ABCDEF这么多个得分框(已经按照得分从小到大排序)。

1、从最大概率矩形框F开始,分别判断A~E与F的重叠度IOU是否大于某个设定的阈值;

2、假设B、D与F的重叠度超过阈值,那么就扔掉B、D;并标记第一个矩形框F,是我们保留下来的。

3、从剩下的矩形框A、C、E中,选择概率最大的E,然后判断E与A、C的重叠度,重叠度大于一定的阈值,那么就扔掉;并标记E是我们保留下来的第二个矩形框。

4、一直重复这个过程,找到所有曾经被保留下来的矩形框。

第一步寻找得分框:

第一次迭代找到一个:

第二次迭代找到另外一个:

参考:https://blog.csdn.net/shuzfan/article/details/52711706

https://blog.csdn.net/zchang81/article/details/70211851

非极大值抑制(non-maximum suppression)的理解相关推荐

  1. 非极大值抑制(Non-Maximum Suppression,NMS)(转)

    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索.这个局部代表的是一个邻域,邻域有两个参数可变,一是邻域的维数,二 ...

  2. 深度学习之非极大值抑制(Non-maximum suppression,NMS)

    非极大值抑制(Non-maximum suppression,NMS)是一种去除非极大值的算法,常用于计算机视觉中的边缘检测.物体识别等. 算法流程 给出一张图片和上面许多物体检测的候选框(即每个框可 ...

  3. 非极大值抑制(non-maximum suppression)的理解与实现

    非极大抑制(Non-Maximum Suppression) Non-Maximum Suppression for Object Detection in Python RCNN 和微软提出的 SP ...

  4. 非极大值抑制(Non-maximum suppression)在物体检测领域的应用

    转载自:http://blog.csdn.net/pb09013037/article/details/45477591 一.Nms主要目的 在物体检测非极大值抑制应用十分广泛,主要目的是为了消除多余 ...

  5. 【YOLOv3 NMS】YOLOv3中的非极大值抑制

    文章目录 1 NMS问题由来 2 NMS操作流程 2.1 进行NMS前要先有什么 2.2 NMS流程 3 NMS代码解读 4 感谢链接 1 NMS问题由来 利用YOLOv3网络结构提取到out0.ou ...

  6. 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 ...

  7. 下拉多选择框 实现方式_非极大值抑制Non-Maximum Suppression(NMS)一文搞定理论+多平台实现...

    这是独立于薰风读论文的投稿,作为目标检测模型的拓展阅读,目的是帮助读者详细了解一些模型细节的实现. 薰风说 Non-Maximum Suppression的翻译是非"极大值"抑制, ...

  8. 非极大值抑制(nms)算法详解[python]

    一.起源 目标检测在使用了基于深度学习的端到端模型后效果斐然.目前,常用的目标检测算法,无论是One-stage的SSD系列算法.YOLO系列算法还是Two-stage的基于RCNN系列的算法,非极大 ...

  9. 风机桨叶故障诊断(七) 滑动窗与非极大值抑制NMS

    风机桨叶故障诊断(七)滑动窗与非极大值一直NMS 到目前为止,我已经利用自编码神经网络提取特征后训练得到了BP神经网络(参见:点击打开链接),且在测试样本集上表现不错.下面我们就要应用到实际中来检验算 ...

最新文章

  1. 赞!经典教材《统计学习导论》终于有Python版了
  2. linux下获取硬盘使用情况
  3. cocos2dx JS 层(Layer)的生命周期
  4. 51nod 1004 【快速幂】
  5. Java Web笔记之Struts2.1 +Hibernate3.3 +Spring3.0
  6. 迁移学习:迈向真正的人工智能
  7. 安徽高考少输入的6个字节猜想
  8. 数组在内存中存储方式
  9. python项目开发实例-Python小项目:快速开发出一个简单的学生管理系统
  10. 常用的WebService
  11. SpringBoot2.4.2+Vue集成Activiti6流程引擎
  12. 黑客之门(hacker's door) 1.2 版
  13. ESPRIT 2019初学到走心机编程视频教程
  14. 矩阵基础4-线性方程组详解
  15. 盗版win10右下角去水印_轻松去掉Win10桌面右下角的测试模式水印
  16. 线性代数 | (3) 行列式
  17. 当我们想要用LinkedIn领英开发客户时,如何设计填写职位头衔?
  18. 杰普实训(前端)第一天知识点总结
  19. C++教程网miniftpd项目实战
  20. Julia常用包简介

热门文章

  1. 给一个喝酒青年的公开状
  2. Java中Scanner的用法
  3. android singleTask
  4. intell idea 使用mave打springboot包的插件
  5. Python学习打卡第一周
  6. JAVA2EE 十三大规范
  7. golang操作mongo
  8. Fiddler 微信小程序抓包
  9. 虚拟变量在模型中的作用
  10. AUTOCAD——快速选择