检测图片中的目标尺寸_目标检测中通用概念

1.IOU

IOU即交并比，是衡量模型生成的Detection Result和人工标注的Ground Truth之间的重叠程度，公式如下：

（1）

2.NMS

NMS即非极大值抑制，去除低IoU值bbox(Bounding Box)和重复度高的bbox。模型最后预测阶段会产生一些精确度不是很高的bbox以及十分接近的bbox，NMS算法去掉冗余bbox，只保留与ground truth最接近的几个。NMS算法的步骤如下：

(1)首先选择一个类。

(2)遍历所有bbox，将bbox的score与threshold1进行比较，将score<threshold1的bbox的score置为0。

(3)之后，将所有的bbox按照score进行升序排序，选中最高分的bbox。

(4)计算该类中所有非零bbox与最高分bbox计算IOU，如果大于threshold2，则将该bbox的score置为0。

(5)对该类中剩余不为0的bbox重新排序，选取最高分的bbox，重复上述(3)-(5)，直至某一轮结束(4)中剩余的所有score为0，该类结束计算NMS。

(6)对剩余的所有类重复上述(2)-(5)操作。

图1 非极大值抑制

3.边界框回归

图2 边界框回归

目标检测中会预测出大量的Bounding box，这些Bounding box距离Ground Truth存在一些距离。此时，需要对边界框进行bounding box regression，使之与Ground Truth更接近。

那么，应该怎样训练bounding box使之接近Ground Truth？如图3所示，预测的bounding box为P，ground truth为G，bounding box regression需要寻找一种映射关系，使得P变G'，其中

。