YOLOv1 前向推断后处理——NMS非极大值抑制

每个grid cell包含2个bounding box（每个bounding box包含4个box位置坐标和1个box置信度） 和20个类别的条件概率。

将box置信度和20个类别的条件概率分别相乘，得到一个权概率（20*1）。

因此每个bounding box有一个权概率，1个grid cell有2个权概率，总共输出有7*7*2=98个权概率（上图竖条）。

把98个权概率分别以颜色（类别）和粗细（box置信度）加持，可视化就得到了中间的98个框。

---

 接下来是正题——后处理——NMS非极大值抑制，把98个框变为最终的目标检测结果

---

假设第一个类是狗，我们设一个阈值0.2，所有小于0.2的全设为0。

将所有权概率按狗的权概率重新按大到小进行排序。

非极大值抑制将多余的bounding box也设为0。

 

最左边的最大的bounding box和后面的bounding box分别计算ioU，设ioU阈值为0.5，如果ioU>0.5就将小的bounding box设为0。

上一轮结束后，将第二大的bounding box分别和后面的计算，以此类推。

狗这一类结束后，重复操作猫类，飞机类等等，以上为NMS。

经过处理后，98个bounding box中有很多概率为0的类，分别对每个bounding box取最大值，如果最大值也是0就跳过这个bounding box，如果最大值大于0就记下这个概率以及对应的类，然后将这个bounding box中的(x,y,w,h)进行绘框，在框上写上刚刚记下的概率和类，对98个bounding box重复以上操作，至此前向推断完成。