参考吴恩达深度学习课程总结
非最大值抑制,顾名思义抑制最大值之外的元素,可以理解为局部最优。
卷积滑窗检测算法,在实际的运行中,例如YOLO网络中,可能会遇到一个问题,如果YOLO网络中将原始图像分的很精细, S × S S\times S S×S中S的值很大,如图所示为一个 19 × 19 19\times 19 19×19的图片,在检测中运行卷积滑窗检测算法后,可能不止一个单元格认为其含有预测的物体,那么如何找到最合适的结果呢?这时就需要使用非最大值抑制算法。
假设物体的分类总共有三种,首先每个单元格会返回一个预测概率值 P c P_c Pc或者( P c × C
非最大值抑制(Non-Maximum Supression,NMS)的原理
最新推荐文章于 2024-06-27 18:03:04 发布
非最大值抑制(NMS)用于解决卷积滑窗检测算法中可能出现的问题,如YOLO网络在检测物体时可能出现多个边界框。通过选择概率最高的边界框并抑制与之IoU超过0.5的其他框,NMS能找到最佳的检测结果。在多分类问题中,需要对每个类别单独应用NMS。算法步骤包括:筛选出Pc概率大于阈值的单元格,选取概率最大的边界框作为预测输出,并抑制与之IoU高的其他框,直到所有单元格都被处理。
摘要由CSDN通过智能技术生成