1-交并比
在目标检测中,如何评价目标检测结果的质量,可以采用交并比的大小进行衡量。
图中:
- 紫色表示实际边界框;
- 红色表示算法检测出的边界框;
- 绿色表示两者的并集;
- 黄色表示两者的交集;
交并比:交集-黄色/并集-绿色
一般约定检测任务中,IOU大于等于0.5,即检测结果可以接受。其中阈值可以自行设定。
IOU不仅在评价检测质量中可以使用,在非极大值抑制NMS清楚重复边界框结果时,也可以使用。
2-非极大值抑制
目标检测的过程中在同一目标的位置上会产生大量的候选框,这些候选框相互之间可能会有重叠,此时我们需要利用非极大值抑制找到最佳的目标边界框,消除冗余的边界框。
左图是人脸检测的候选框结果,每个边界框有一个置信度得分(confidence score),如果不使用非极大值抑制,就会有多个候选框出现。右图是使用非极大值抑制之后的结果,符合我们人脸检测的预期结果。
- 需要边界框列表及其对应的置信度得分列表
- 设定阈值,剔除重复的候选边界框
- IOU交并比计算
非极大值抑制的流程如下:
- 根据置信度得分进行排序
- 将置信度最高的边界框放入输出列表中,并将其中边界框列表中删除
- 计算所有边界框的面积
- 计算输出列表中那个置信度最高的边界框与边界框列表中所有边界框的IOU
- 删除IOU大于阈值的边界框
IOU阈值0.6:
IOU阈值0.5:
注意:IOU阈值和置信度是两码事。