深度学习笔记（38） 非极大值抑制

---

1. 对象多次检测问题

到目前为止学到的对象检测中的一个问题是，算法可能对同一个对象做出多次检测
所以算法不是对某个对象检测出一次，而是检测出多次
非极大值抑制（Non-max suppression）这个方法可以确保算法对每个对象只检测一次

---

2. 非极大值抑制

设需要在这张图片里检测行人和汽车，可能会在上面放个19×19网格
理论上这辆车只有一个中点
所以它应该只被分配到一个格子里，左边的车子也只有一个中点
所以理论上应该只有一个格子做出有车的预测

实践中当运行对象分类和定位算法时，对于每个格子都运行一次
所以这个格子（编号1）可能会认为这辆车中点应该在格子内部
这几个格子（编号2、3）也会这么认为

对于左边的车子也一样
不仅这个格（编号4）子会认为它里面有车
也许这个格子（编号5）和（编号6）也会

因为要在361个格子上都运行一次图像检测和定位算法
那么可能很多格子都会说自身有车的概率p_c很高
所以当运行算法的时候，最后可能会对同一个对象做出多次检测
所以非极大值抑制做的就是清理这些检测结果

所以这个算法做的是，首先看看每次报告每个检测结果相关的概率p_c
看概率最大的那个，最可靠的检测，这个例子（右边车辆）中是0.9
所以就用高亮标记，就说这里找到了一辆车

这么做之后，非极大值抑制就会逐一审视剩下的矩形
所有和这个最大的边框有很高交并比，高度重叠的其他边界框，那么这些输出就会被抑制
所以这两个矩形p_c分别是0.6和0.7，这两个矩形和淡蓝色矩形重叠程度很高
所以会被抑制，变暗，表示它们被抑制了

接下来左边车辆，逐一审视剩下的矩形，找出概率最高，p_c最高的一个，在这种情况下是0.8，
就认为这里检测出一辆车（左边车辆），然后非极大值抑制算法就会去掉其他loU值很高的矩形
所以现在每个矩形都会被高亮显示或者变暗
如果直接抛弃变暗的矩形，那就剩下高亮显示的那些
这就是最后得到的两个预测结果，所以这就是非极大值抑制
非最大值意味着只输出概率最大的分类结果，抑制不是极大值的元素

---

3. 独立性

只做汽车检测，就去掉c₁、c₂和c₃的类别输出
然后假设这条线对于19×19的每一个输出，对于361个格子的每个输出
会得到这样的输出预测，就是格子中有对象的概率（p_c），然后是边界框参数（b_x、b_y、b_h和b_w）

如果尝试同时检测三个对象，比如说行人、汽车、摩托
那么输出向量就会有三个额外的分量（c₁、c₂和c₃）
事实证明，正确的做法是独立进行三次非极大值抑制，对每个输出类别都做一次

---

参考：

《神经网络和深度学习》视频课程

---

相关推荐：

深度学习笔记（37） 交并比
深度学习笔记（36） 边界框预测
深度学习笔记（35） 滑动窗口的卷积实现
深度学习笔记（34） 目标检测
深度学习笔记（33） 特征点检测

---

谢谢！