nms的各种变体

转自:https://zhuanlan.zhihu.com/p/28129034

Soft-NMS:Improving Object Detection With One Line of Code

不同于在NMS中采用单一阈值,对与最大得分检测结果M超过阈值的结果进行抑制,其主要考虑Soft-NMS,对所有目标的检测得分以相应overlap with M的连续函数进行衰减。


ConvNMS:A Convnet for Non-maximum Suppression

其主要考虑IoU阈值设定得高一些,则可能抑制得不够充分,而将IoU阈值设定得低一些,又可能多个ture positive被merge到一起。其设计一个卷积网络组合具有不同overlap阈值的greedyNMS结果,通过学习的方法来获得最佳的输出。


Pure NMS Network:Learning non-maximum suppression

考虑目标间具有高遮挡的密集场景,其提出一个新的网络架构来执行NMS。经分析,检测器对于每个目标仅产生一个检测结果有两个关键点是必要的,一是一个loss惩罚double detections以告诉检测器我们对于每个目标仅需一个检测结果,二是相邻检测结果的joint processing以使得检测器具有必要的信息来分辨一个目标是否被多次检测。论文提出Gnet,其为第一个“pure”NMS网络。


Yes-Net: An effective Detector Based on Global Information

不同于NMS,其主要有两个缺点,一是阈值必须人工设定,而在固定阈值下选择所有目标的输出边框是很难的,二是当检测器利用NMS时其假设输出边框都是独立的,但这些边框很可能是共享一些逻辑关系的。因此考虑利用RNN作为滤波器以得到最好的检测边框,其能提升检测器泛化能力。


  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Yolov8引入了soft-NMS和各种IOU变体来改进原有的nms算法。通过修改ultralytics/yolo/utils/ops.py这个文件,实现了对nms的改进。具体改进包括以下几个方面: 1. 引入soft-NMS算法:soft-NMS解决了在密集遮挡场景下原有的nms算法可能出现的问题,比如批量漏检。soft-NMS通过使用一个衰减函数来降低重叠框的置信度得分,从而在进行非极大值抑制时能够保留更多的重叠框。 2. 引入各种IOU变体:除了soft-NMS,yolov8还引入了其他类型的IOU变体,以进一步提升检测精度。这些变体可以根据具体情况选择使用,包括传统的IOU计算、GIoU、DIoU、CIoU等。 其中,ultralytics/yolo/utils/ops.py文件中的一处修改点是使用torchvision.ops.nms函数实现NMS操作。这个函数会根据设定的IOU阈值进行非极大值抑制,得到最终的检测结果。 <span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Yolov8优化:引入Soft-NMS并结合各个IOU变体GIOU、DIOU、CIOU、EIOU、SIOU,进一步提升密集遮挡场景检测...](https://blog.csdn.net/m0_63774211/article/details/131376873)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值