【思考】目标检测最后的框怎么出现的-【NMS非极大值抑制】

• 一、引入

目标检测定位出一张图片中某个类别都在哪里，

模型在预测是会出现很多候选框，同时每个框都会有很多自己的一个置信度得分score,

那么如何选出最后的那几个框呢？参见下图！

• 二、概念：

NMS: non maximum suppression,中文解释为“非极大值抑制”，听得非常不好理解，以我的认识可以理解在一定范围内选择最好的框，重叠过大的被舍弃。

但是它的思路还是很好简单的，借用其他博主的图片方便解释。

• 三、举例说明

图上是检测人脸的一个项目，通过模型训练，得到了一些预测框，每个框都会有它的分数score 。

我们看到这个女孩的脸的部位就有三个框，男孩的脸部上有两个框。那接下来就会介绍一下NMS怎么用。

首选对所有框进行排序，则有0.98、0.83、0.81、0.75、0.67.一共5个框。

取出score值最大的框0.98，与剩下的4个框【0.83、0.81、0.75、0.67.】计算一个重叠面积，

也就是IOU ，面积的交集/面积的并集，当IOU值大于设定的阈值thres则被比较的框将会被丢掉。（假如设定的阈值为0.5）

因此第一轮下来，与0.98框重叠部分过大的0.83和0.75就被舍弃了，剩下2个框【0.81和0.67】。

第二次取出【0.81、0.67】最大值的框0.81，与剩下的框【0.67】计算IOU值，当重叠部分占面积（理解为IOU）大于阈值0.5,0.67的框被丢掉了。

经过两轮极大值抑制 最终留下了0.98和0.81的框。就是我们最后的输出框。如下图。

当为多个类别目标检测时，每次计算都是同类别的一起进行比较，得出每个类别的最好的那几个框。

不知是否理解了呢？

欢迎一起探讨，v:  ai_hellohello