非極大值抑制算法(NMS)及python實現

以下圖爲例，由於滑動窗口，同一個人可能有好幾個框(每一個框都帶有一個分類器得分)

而我們的目標是一個人只保留一個最優的框：

於是我們就要用到非極大值抑制，來抑制那些冗餘的框： 抑制的過程是一個迭代-遍歷-消除的過程。

（1）將所有框的得分排序，選中最高分及其對應的框：

（2）遍歷其餘的框，如果和當前最高分框的重疊面積(IOU)大於一定閾值，我們就將框刪除。

（3）從未處理的框中繼續選一個得分最高的，重複上述過程。

 

Python 代碼：

# python3
import numpy as np

def py_nms(dets, thresh):
    """Pure Python NMS baseline."""
    #x1、y1、x2、y2、以及score賦值
    x1 = dets[:, 0]
    y1 = dets[:, 1]
    x2 = dets[:, 2]
    y2 = dets[:, 3]
    scores = dets[:, 4]

    #每一個候選框的面積
    areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    #order是按照score降序排序的
    order = scores.argsort()[::-1]

    keep = []
    while order.size > 0:
        i = order[0]
        keep.append(i)
        #計算當前概率最大矩形框與其他矩形框的相交框的座標，會用到numpy的broadcast機制，得到的是向量
        xx1 = np.maximum(x1[i], x1[order[1:]])
        yy1 = np.maximum(y1[i], y1[order[1:]])
        xx2 = np.minimum(x2[i], x2[order[1:]])
        yy2 = np.minimum(y2[i], y2[order[1:]])

        #計算相交框的面積,注意矩形框不相交時w或h算出來會是負數，用0代替
        w = np.maximum(0.0, xx2 - xx1 + 1)
        h = np.maximum(0.0, yy2 - yy1 + 1)
        inter = w * h
        #計算重疊度IOU：重疊面積/（面積1+面積2-重疊面積）
        ovr = inter / (areas[i] + areas[order[1:]] - inter)

        #找到重疊度不高於閾值的矩形框索引
        inds = np.where(ovr <= thresh)[0]
        #將order序列更新，由於前面得到的矩形框索引要比矩形框在原order序列中的索引小1，所以要把這個1加回來
        order = order[inds + 1]
    return keep

# test
if __name__ == "__main__":
    dets = np.array([[30, 20, 230, 200, 1], 
                     [50, 50, 260, 220, 0.9],
                     [210, 30, 420, 5, 0.8],
                     [430, 280, 460, 360, 0.7]])
    thresh = 0.35
    keep_dets = py_nms(dets, thresh)
    print(keep_dets)
    print(dets[keep_dets])
--------------------- 
作者：Blateyang 
來源：CSDN 
原文：https://blog.csdn.net/Blateyang/article/details/79113030 
版權聲明：本文爲博主原創文章，轉載請附上博文鏈接！

 

--------------------- 
作者：shuzfan 
來源：CSDN 
原文：https://blog.csdn.net/shuzfan/article/details/52711706 
版權聲明：本文爲博主原創文章，轉載請附上博文鏈接！