非極大值抑制(Non-Maximum Suppression NMS)
NMS就是去除冗余的檢測框,保留最好的一個。
產生proposal后使用分類網絡給出每個框的每類置信度,使用回歸網絡修正位置,最終應用NMS.
對於Bounding Box的列表B及其對應的置信度S,采用下面的計算方式.選擇具有最大score的檢測框M,將其從B集合中移除並加入到最終的檢測結果D中.通常將B中剩余檢測框中與M的IoU大於閾值Nt的框從B中移除.重復這個過程,直到B為空.
參考: http://www.cnblogs.com/makefile/p/nms.html © 康行天下
1 def nms_cpu(dets, thresh): 2 dets = dets.numpy() 3 #x1、y1、x2、y2、以及score賦值 4 x1 = dets[:, 0] 5 y1 = dets[:, 1] 6 x2 = dets[:, 2] 7 y2 = dets[:, 3] 8 scores = dets[:, 4] 9 10 ##每一個檢測框的面積 11 areas = (x2 - x1 + 1) * (y2 - y1 + 1) 12 #按照score置信度降序排序 13 order = scores.argsort()[::-1]#argsort函數返回的是數組值從小到大的索引值，然后又降序 14 15 keep = []#保留的結果框集合 16 while order.size > 0: 17 i = order.item(0) 18 keep.append(i)#保留該類剩余box中得分最高的一個 19 #得到相交區域,左上及右下########## 20 xx1 = np.maximum(x1[i], x1[order[1:]])#X 與 Y 逐位比較取其大者 21 yy1 = np.maximum(y1[i], y1[order[1:]]) 22 xx2 = np.minimum(x2[i], x2[order[1:]]) 23 yy2 = np.minimum(y2[i], y2[order[1:]]) 24 25 ##計算相交的面積,不重疊時面積為0 26 w = np.maximum(0.0, xx2 - xx1 + 1) 27 h = np.maximum(0.0, yy2 - yy1 + 1) 28 inter = w * h 29 #計算IoU：重疊面積 /（面積1+面積2-重疊面積） 30 ovr = inter / (areas[i] + areas[order[1:]] - inter) 31 32 ##保留IoU小於閾值的box 33 ##只有條件 (condition)，沒有x和y，則輸出滿足條件 (即非0) 元素的坐標 (等價於numpy.nonzero)。 34 inds = np.where(ovr <= thresh)[0] 35 order = order[inds + 1]#因為ovr數組的長度比order數組少一個,所以這里要將所有下標后移一位 36 37 return torch.IntTensor(keep)
ref:https://blog.csdn.net/weixin_43872578/article/details/87909640