置信度:
比如我们想估计一个城市中使用苹果手机的人数,那么我们一个人一个人问显然不现实,那么我们可以抽取一部分人(当然这些人要随机抽取),那么我们从抽取的这部分人中找到使用苹果手机的人占20%-25%,但是这么范围是一定正确的吗,显然不是,那么我们可以说我70%的信心确定使用苹果手机的人数占20%-25%,我们有一个区间,并且我们对它此一定的信心,这就是置信区间与置信度。
IOU阈值(重叠率阈值):两个边界框的交集部分除以它们的并集。常用的阈值是 0.5-0.6.
非极大值抑制:
候选框相互之间可能会有重叠,此时我们需要利用非极大值抑制找到最佳的目标边界框,消除冗余的边界框。
对于Bounding Box的列表B及其对应的置信度S,采用下面的计算方式.选择具有最大score的检测框M,将其从B集合中移除并加入到最终的检测结果D中.通常将B中剩余检测框中与M的IoU大于阈值Nt的框从B中移除.重复这个过程,直到B为空.
例如定位一个车辆,最后算法就找出了一堆的方框,我们需要判别哪些矩形框是没用的。非极大值抑制的方法是:先假设有6个矩形框,根据分类器的类别分类概率做排序,假设从小到大属于车辆的概率 分别为A、B、C、D、E、F