tensorflow学习——NMS的python实现

最新推荐文章于 2024-07-04 12:20:51 发布

ei1994

最新推荐文章于 2024-07-04 12:20:51 发布

阅读量4.3k

点赞数 2

本文链接：https://blog.csdn.net/ei1990/article/details/78203476

版权

本文介绍了非极大值抑制（NMS）的概念，探讨了如何使用TensorFlow在Python中实现NMS，通过比较框的概率和IOU进行物体检测的筛选。内容包括NMS的基本原理，以及从网络教程中学习到的实现步骤，特别是IOU的计算过程。

摘要由CSDN通过智能技术生成

1、NMS（Non-Maximum Suppression）
根据框的概率和IOU进行抑制

import numpy as np  

def py_cpu_nms(dets, thresh):  
    """Pure Python NMS baseline."""  
    x1 = dets[:, 0]  
    y1 = dets[:, 1]  
    x2 = dets[:, 2]  
    y2 = dets[:, 3]  
    scores = dets[:, 4]  

    areas = (x2 - x1 + 1) * (y2 - y1 + 1)  
#从大到小排列，取index  
    order = scores.argsort()[::-1]  
#keep为最后保留的边框  
    keep = []  
    while order.size > 0:  
#order[0]是当前分数最大的窗口，之前没有被过滤掉，肯定是要保留的  
        i = order[0]  
        keep.append(i)  
#计算窗口i与其他所以窗口的交叠部分的面积，