目标检测 合并检测框方法

1.利用并查集合并检测结果窗口

使用SimilarRects来计算窗口相似度

定义好窗口相似性函数后，就可以利用并查集合并窗口函数了，大致过程如下：

1. 调用Partiton方法进行窗口分组。在该方法中，首先建立Rect对象的并查集初始结构，然后遍历整个并查集，用SimilarRects::operator()判断每2个窗口相似性，若相似则将这2个窗口放入一个组；

2. 运行完步骤1后会出现几个相互间不相似的窗口的组，当组中的窗口数量小于阈值minNeighbors时，丢弃该组（认为这是零散分布的误检）；

3. 之后剩下若干组由大量重叠窗口组成的比较大的组，分别求每个组中的所有窗口位置的平均值作为最终检测结果，每个组中通过stage的最大值以及最大的权重作为最终合并后的检测框的stage和权重。

资料参考来自：https://www.jianshu.com/p/0f2b949c4f9a

 

2.NMS方法

可以参考：https://blog.csdn.net/a362682954/article/details/82896142

3.基于最大后验（MAP）原理的子集优化公式（Based on the Maximum a Posteriori principle, we propose a novel subset optimization framework）

 Zhang J, Sclaroff S, Lin Z, et al. Unconstrained salient object detection via