1-交并比
在目标检测中,如何评价目标检测结果的质量,可以采用交并比的大小进行衡量。
图中:
- 紫色表示实际边界框;
- 红色表示算法检测出的边界框;
- 绿色表示两者的并集;
- 黄色表示两者的交集;
交并比:交集-黄色/并集-绿色
一般约定检测任务中,IOU大于等于0.5,即检测结果可以接受。其中阈值可以自行设定。
IOU不仅在评价检测质量中可以使用,在非极大值抑制NMS清楚重复边界框结果时,也可以使用。
2-非极大值抑制
目标检测的过程中在同一目标的位置上会产生大量的候选框,这些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。
左图是人脸检测的候选框结果,每个边界框有一个置信度得分(confidence score),如果不使用非极大值抑制,就会有多个候选框出现。右图是使用非极大值抑制之后的结果,符合我们人脸检测的预期结果。
- 需要边界框列表及其对应的置信度得分列表
- 设定阈值,剔除重复的候选边界框
- IOU交并比计算