1-交併比
在目標檢測中,如何評價目標檢測結果的質量,可以採用交併比的大小進行衡量。
圖中:
- 紫色表示實際邊界框;
- 紅色表示算法檢測出的邊界框;
- 綠色表示兩者的並集;
- 黃色表示兩者的交集;
交併比:交集-黃色/並集-綠色
一般約定檢測任務中,IOU大於等於0.5,即檢測結果可以接受。其中閾值可以自行設定。
IOU不僅在評價檢測質量中可以使用,在非極大值抑制NMS清楚重複邊界框結果時,也可以使用。
2-非極大值抑制
目標檢測的過程中在同一目標的位置上會產生大量的候選框,這些候選框相互之間可能會有重疊,此時我們需要利用非極大值抑制找到最佳的目標邊界框,消除冗餘的邊界框。
左圖是人臉檢測的候選框結果,每個邊界框有一個置信度得分(confidence score),如果不使用非極大值抑制,就會有多個候選框出現。右圖是使用非極大值抑制之後的結果,符合我們人臉檢測的預期結果。
- 需要邊界框列表及其對應的置信度得分列表
- 設定閾值,剔除重複的候選邊界框
- IOU交併比計算
非極大值抑制的流程如下:
- 根據置信度得分進行排序
- 將置信度最高的邊界框放入輸出列表中,並將其中邊界框列表中刪除
- 計算所有邊界框的面積
- 計算輸出列表中那個置信度最高的邊界框與邊界框列表中所有邊界框的IOU
- 刪除IOU大於閾值的邊界框
IOU閾值0.6:
IOU閾值0.5:
注意:IOU閾值和置信度是兩碼事。