非极大值抑制 (Non-Maximum Suppression)

黎 浩然/ 21 9 月, 2023/ 机器学习/MACHINELEARNING, 目标检测/OBJECTDETECTION/ 0 comments

非极大值抑制（Non-Maximum Suppression，简称NMS）是一种用于确保算法仅对每个对象进行一次检测的方法，可以消除目标检测中的多次检测问题。以下是非极大值抑制的主要内容：

定义

• 非极大值抑制是一种在目标检测中用于消除重复检测的方法。

步骤

1. 在图像中放置一个网格，例如 19×19 的网格。
2. 运行对象分类和定位算法。
3. 计算每个网格单元的 Pc（对象存在的概率）。
4. 选择最高 Pc 的边界框，并将其标记为检测到的对象。
5. 将与标记的边界框重叠度（IOU）较高的其他边界框抑制掉。
6. 重复步骤 4 和 5，直到所有边界框都被处理。

算法细节

1. 对于每个网格单元，输出一个概率 Pc，表示该单元中是否存在对象。
2. 设置一个阈值，例如 0.6，舍去 Pc 小于或等于该阈值的所有边界框。
3. 在剩余的边界框中，选择 Pc 最高的边界框，并将其输出为检测到的对象。
4. 在剩余的边界框中，舍去与步骤 3 中输出的边界框 IOU 较高的所有边界框。
5. 重复步骤 3 和 4，直到所有边界框都被处理。

多类别对象检测

需要检测多个类别对象，例如行人、汽车和摩托车，可以对每个类别独立进行非极大值抑制。

非极大值抑制是一种在目标检测中用于消除重复检测的方法，通过选择最高概率的边界框并抑制与其重叠度较高的其他边界框，非极大值抑制能够确保算法对每个对象只进行一次检测。