【學習記錄】NMS與IOU的理解
在目標檢測類的論文中我們常常會看到NMS與IOU,這也說明這是NMS和IOU是目標檢測中很基礎也是很重要的概念。
1.IOU(交併比)
我們假設兩個集合A和B,交併比顧名思義就是兩個集合的交集與並集的比值。我們將A,B分別看成兩個實體框的話,集合即它們的面積。
IOU一般與我們人爲設定的閾值之間有着密切的聯繫。
2.NMS(非極大值抑制)
NMS(non maximum suppression)指的是非極大值抑制,就是抑制那些非極大值的元素,即在集合中去搜索局部極大值。NMS在目標檢測中具有重要的應用。
NMS的流程步驟:
- 通過滑動窗口或其他方法產生候選框
- 對不同的窗口進行類別的概率預測(這裏類別已經在訓練的分類器中區分開來)
- 通過NMS將窗口進行融合(保留最準確的那個)
上圖展示了流程前兩步產生的效果,有多個候選框及它們的預測分數。
首先我們將候選框的置信度從高到低進行排序(這裏以女孩的臉部爲例),0.98>0.83>0.75。然後我們取出置信度最高的0.98這個候選框,求它與次大的框0.83的IOU,若IOU>人爲設定的閾值,則刪除0.83這個候選框(將置信度爲0.83的候選框的置信度置0)。後面的候選框依次與置信度最高的框以此方法進行篩選,若遍歷完第一遍後從次大的置信度的框開始依次方式再次迭代篩選。
通過上述方式篩選出唯一的框。
總結來說,NMS就是一個迭代-遍歷-消除的一個重複過程。
3.YOLO中的NMS
一個迭代-遍歷-消除的一個重複過程。