IOU和NMS

最新推荐文章于 2024-07-18 14:37:09 发布

xin3475

最新推荐文章于 2024-07-18 14:37:09 发布

阅读量218

点赞数

分类专栏：其它

本文链接：https://blog.csdn.net/xin3475/article/details/105920355

版权

本文介绍了非极大值抑制（NMS）的过程，首先按置信度对边界框排序，然后选择最高置信度的框加入集合M，接着计算其余框与M中框的IOU，若超过阈值则去除，重复该过程以消除重复检测。

摘要由CSDN通过智能技术生成

非极大值抑制：

首先将所有框按照置信度进行排序（bboxs集合）；
选取bboxs集合中置信度最高的框m，放入集合M中；
计算bboxs里所有框和m的IOU，如果IOU大于阈值，则视为重复框，将之除去；
重复2、3步。

import numpy as np

def get_IOU(gt, bboxs):
    Xmin = np.maximum(gt[0], bboxs[:, 0])
    Ymin = np.maximum(gt[1], bboxs[:, 1])
    Xmax = np.minimum(gt[2], bboxs[:, 2])
    Ymax = np.minimum(gt[3], bboxs[:, 3])
    h = np.maximum(0, Xmax-Xmin+1)
    w = np.maximum(0, Ymax-Ymin+1)
    inters = h*w
    uni = (gt[2]-gt[0]+1)*(gt[3]-gt[1]+1)+(bboxs[:, 2]-bboxs[:, 0]+1)*(bboxs[:, 3]-bboxs[:, 1]+1)-inters
    iou = inters/uni
    return iou

def NMS(bboxs, thresh=0.9):
    sorted_ind = np.argsort(-bboxs[:, 4])
    bboxs = bboxs[sorted_ind, :]  #根据置信度排序
    M = np.zeros([1, 5])
    l = bboxs.shape[0]
    i = 0
    while(i<l)