NMS代码实现

--------------------------------------------------------

Fast R-CNN中的NMS实现

--------------------------------------------------------


import numpy as np

def py_cpu_nms(dets, thresh):
    """Pure Python NMS baseline."""
    x1 = dets[:, 0]                     # pred bbox top_x
    y1 = dets[:, 1]                     # pred bbox top_y
    x2 = dets[:, 2]                     # pred bbox bottom_x
    y2 = dets[:, 3]                     # pred bbox bottom_y
    scores = dets[:, 4]              # pred bbox cls score

    areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    order = scores.argsort()[::-1]

    keep = []
    while order.size > 0:
        i = order[0]
        keep.append(i)
        xx1 = np.maximum(x1[i], x1[order[1:]])
        yy1 = np.maximum(y1[i], y1[order[1:]])
        xx2 = np.minimum(x2[i], x2[order[1:]])
        yy2 = np.minimum(y2[i], y2[order[1:]])

        w = np.maximum(0.0, xx2 - xx1 + 1)
        h = np.maximum(0.0, yy2 - yy1 + 1)
        inter = w * h
        ovr = inter / (areas[i] + areas[order[1:]] - inter)

        inds = np.where(ovr <= thresh)[0]
        order = order[inds + 1]

    return keep
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NMS(Non-Maximum Suppression)是目标检测中一个常用的后处理步骤,用于抑制重叠的检测框,保留最有可能是真实目标的检测框。以下是Python实现NMS的示例代码: ```python def nms(boxes, scores, threshold=0.5): """ 进行非极大值抑制 :param boxes: 检测框列表 :param scores: 检测框对应的分数列表 :param threshold: 阈值 :return: 返回非极大值抑制后的检测框和分数 """ # 获取检测框的坐标 x1 = boxes[:, 0] y1 = boxes[:, 1] x2 = boxes[:, 2] y2 = boxes[:, 3] # 计算检测框的面积 areas = (x2 - x1 + 1) * (y2 - y1 + 1) # 对分数进行排序 order = scores.argsort()[::-1] # 保留下来的检测框和分数 keep = [] while order.size > 0: # 取出分数最高的检测框 i = order[0] keep.append(i) # 计算该检测框与其他检测框的重叠部分的面积 xx1 = np.maximum(x1[i], x1[order[1:]]) yy1 = np.maximum(y1[i], y1[order[1:]]) xx2 = np.minimum(x2[i], x2[order[1:]]) yy2 = np.minimum(y2[i], y2[order[1:]]) w = np.maximum(0.0, xx2 - xx1 + 1) h = np.maximum(0.0, yy2 - yy1 + 1) inter = w * h # 计算重叠部分的面积占两个检测框面积的比例 iou = inter / (areas[i] + areas[order[1:]] - inter) # 找出IoU小于阈值的检测框 inds = np.where(iou <= threshold)[0] # 更新order order = order[inds + 1] # 返回非极大值抑制后的检测框和分数 return keep, scores[keep] ``` 其中,boxes是一个n×4的数组,每行表示一个检测框的坐标,scores是一个n×1的数组,表示每个检测框的分数。threshold是阈值,当两个检测框的IoU大于该阈值时,将分数较低的检测框抑制掉。函数返回保留下来的检测框的索引和分数。
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