非极大值抑制_目标检测中的非极大值抑制

本文使用 Zhihu On VSCode 创作并发布

1 NMS

非极大值抑制（Non-Maximum Suppression, NMS）基本思想是搜索局部极大值，对非极大值进行抑制。在目标检测中，在同一位置上可能产生大量的候选框，这些候选框之间可能会有重叠，这时需要利用NMS找到最佳的边界框，对其他的边界框进行抑制。

1.1 算法流程

输入：候选框列表，置信度得分列表，IoU阈值

输出：置信度为极大值的候选框

1. 按照置信度对所有候选框进行排序
2. 将置信度最高的候选框添加到输出候选框列表中，并将其从输入候选框中删除
3. 计算挑选出的候选框与当前所有输入候选框之间的IoU
4. 删除IoU大于阈值的输入候选框
5. 重复第2-4步，直到输入候选框列表为空

1.2 NMS的缺点

1. NMS将IoU高于阈值的候选框的分数置0，如果真实物体在重叠区域出现，那么使用NMS可能会漏检
2. 需要手动设置阈值
3. 这时一个后处理过程，使用CPU计算，会比较慢

1.3 Python实现

import numpy as np
def nms(dets, threshold):
    res_dets = []
    if not dets
        return res_dets
    
    # 获取边界框和分数
    x1 = dets[:, 0]
    y1 = dets[:, 1]
    x2 = dets[:, 2]
    y