yolo极大抑制_非极大值抑制NMS及代码解读

介绍

非极大值抑制（non-maximum suppression，简称NMS），通常用在目标检测的后处理中。即在通过模型推理得到预测的多个bounding box之后，进一步通过NMS算法得到最终输出的预测框。

TODO：添加NMS示意图

具体步骤

1. 经过某个目标检测的模型，如YOLO或SSD或Faster RCNN之后，得到一个bounding box的列表prediction
   这里以COCO数据集下YOLOV3模型的输出为例子，对于任意单张图片而言prediction的shape为（total_num_bbox, 85)。其中第一个维度total_num_bbox为模型输出的bounding box（即bbox）个数，第二个维度85由三部分组成，前4个值为bbox的中心点和宽高xywh，第5个为该bbox的物体置信度obj_conf，后面80个为预测的类别置信度cls_conf。
2. 过滤掉低于某个置信度阀值conf_thres=0.4的框，得到新的prediction
3. prediction中的所有bbox按照每个类别的置信度从大到小排序
   1. 对于Faster RCNN而言，直接取每个bbox每个类别的类别置信度来排序
   2. 对于YOLOV3的实现而言，没有将这个过程放在每个类别的for循环中，而是为每个bbox计算
      来排序，即这个bbox的物体置信度与最大类别置信度的乘积才是用在这里排序的值
4. 选出prediction中置信度最高的
   放到结果列表
   keep_boxes中