脚本宝典收集整理的这篇文章主要介绍了目标检测理论(1)———交并比(IoU)和 非极大值抑制(NMS),脚本宝典觉得挺不错的,现在分享给大家,也给大家做个参考。
1. 交并比:IoU:
1) 概念:如图有两个区域:A和B,IoU就是两个区域的相交面积 / (总面积-相交面积);
即: IoU = A ∩ B / A υ B;
2)应用:
在目标检测中,我们首先会预测出一系列的候选框,然后使用NMS来去除一堆多余的框。这里的判断标准就是IoU大于某个阈值,一般这个阈值设置为0.5.
3)代码实现:
2. 非极大值抑制:NMS:
1)概念:
具体执行过程:1)获取当前目标类别下所有bbox的信息;
2)将bbx按照confidence从高到低进行排序,并记录当前confidence最大的bbx.
3)计算最大confidence对应的bbx与剩下的所有的bbx的IoU,移除所有大于IoU阈值的bbx;
4)对剩下的bbx, 循环执行(2),(3),直到所有的bbx均满足要求(即不能再移除bbx);
2)注:
我在工作的时候,发现大家出处理NMS时出现过一个误解:”就是NMS摒弃后留下的框进行融合?“。也可能是我误解。但我和同事验证下来,下面的理解应该是对的
假设一个对象,现在出现了5个检测框,对应IoU为[0.9, 0.8, 0.5, 0.3, 0.1], 假设阈值为0.5, 则留下0.9的框,扔掉0.8的框,0.5, 0.3, 0.1的框认为是其他目标的框保留。然后在其他对象做非极大值抑制的时候再扔掉,只留下一个框作为检测对象结果。
疑问:1)大框套小框,一个目标误认两个目标。有什么好的解决方法吗?
以上是脚本宝典为你收集整理的目标检测理论(1)———交并比(IoU)和 非极大值抑制(NMS)全部内容,希望文章能够帮你解决目标检测理论(1)———交并比(IoU)和 非极大值抑制(NMS)所遇到的问题。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。