一类目标检测算法是基于锚框
- 提出多个被称为锚框的区域(边缘框)
- 预测每个锚框是否含有关注的物体
- 如果是,预测从这个锚框到真实边缘框的偏移
IoU-交并比
IoU用来计算两个框之间的相似度
- 0表示无重叠,1表示重合
赋予锚框标号
- 每个锚框是一个训练样本
- 将每个锚框,要么标注为背景,要么关联上一个真实边缘框
- 我们可能会生成大量的锚框【这个导致大量的负类样本】
使用非极大值抑制【NMS】输出
每个锚框预测一个边缘框
NMS可以合并相似的预测
- 选中是非背景类的最大预测值
- 去掉所有其他和他IoU值大于 某个值 的预测
- 重复上述过程直到所有预测要么被选中,要么被去掉
总结:
- 一类目标检测算法基于锚框来预测
- 首先生成大量锚框,并赋予标号,每个锚框作为一个样本进行训练
- 在预测时,使用NMS来去掉冗余的预测。