非极大值抑制(目标检测)

问题的提出

无论是基于滑动窗口,还是基于网格YOLO的目标检测算法,都有可能存在同一个问题:对同一个对象作出多次检测,如下图所示:

在这里插入图片描述

怎么才能让一个车辆被检测到一次呢?

非极大值抑制

非极大值抑制(non-max suppression)的具体做法为:

首先:

  • 找到检测概率最高的边界框标记(这里为0.9),如下图,高亮标记
  • 遍历剩余的所有边界框
  • 抑制所有和这个概率最高的边界框交并比(IoU)最高的其它边界框

具体如下图所示:

在这里插入图片描述

接下来,找到剩余边界框中检测概率最高的那个边界框(此时变为0.8),再遍历所有剩余边界框,移除IoU高的边界框。

这样迭代下去,直到所有边界框都被遍历完毕。

参考

  • AndrewNG的deep learning
非极大值抑制(Non-Maximum Suppression,NMS)是目标检测中的一种重要技术。它的作用是抑制掉不是极大值的元素,用于过滤掉重叠的检测框,保留最具代表性的目标框。这样可以避免目标的重复检测,并提高目标检测的准确性和效率。 在目标检测中,通常会生成多个候选框来定位目标物体。而这些候选框往往会有一定的重叠,因此需要通过非极大值抑制来选择最佳的框作为最终的检测结果。 非极大值抑制的原理是,在所有的候选框中,首先选择具有最高置信度的框作为输出,然后通过计算不同框之间的IoU(Intersection over Union)来判断重叠程度。对于与已选择的框重叠程度高于一定阈值的候选框,会被抑制掉,而只保留置信度最高的框。这样就可以消除冗余的检测结果,得到最准确的目标框。 通过引入非极大值抑制,可以提高目标检测算法的性能,减少误检和重复检测的问题。它在目标检测领域得到了广泛的应用,并且被许多经典的目标检测算法采用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [目标检测之—非极大抑制(NMS)综述](https://blog.csdn.net/qq_25344301/article/details/120094530)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值