非極大值抑制（non maximum suppression，NMS），顧名思義就是抑制不是極大值的元素，搜索局部的極大值。

定位一個車輛時，算法可能會找出一堆候選框，為了從中找出最佳候選框，非極大值抑制的方法是：先假設(shè)有6個矩形框，根據(jù)分類器的類別分類概率做排序，假設(shè)從小到大屬于車輛的概率 分別為A、B、C、D、E、F:

從最大概率矩形框F開始，分別判斷A~E與F的重疊度IOU是否大于某個設(shè)定的閾值;

假設(shè)B、D與F的重疊度超過閾值，那么就扔掉B、D；并標記第一個矩形框F，是我們保留下來的。

從剩下的矩形框A、C、E中，選擇概率最大的E，然后判斷E與A、C的重疊度，重疊度大于一定的閾值，那么就扔掉；并標記E是我們保留下來的第二個矩形框。

就這樣一直重復(fù)，找到所有被保留下來的矩形框。

計算方法：

def nms(dets, thresh):x1 = dets[:, 0]y1 = dets[:, 1]x2 = dets[:, 2]y2 = dets[:, 3]scores = dets[:, 4]areas = (x2 - x1 + 1) * (y2 - y1 + 1)order = scores.argsort()[::-1]keep = []while order.size > 0:i = order[0]keep.append(i)xx2 = np.minimum(x2[i], x2[order[1:]])xx1 = np.maximum(x1[i], x1[order[1:]])yy2 = np.minimum(y2[i], y2[order[1:]])yy1 = np.maximum(y1[i], y1[order[1:]])w = np.maximum(0.0, xx2 - xx1 + 1)h = np.maximum(0.0, yy2 - yy1 + 1)inter = w * hovr = inter / (areas[i] + areas[order[1:]] - inter)inds = np.where(ovr <= thresh)[0]order = order[inds + 1]return keep

總結(jié)

以上是生活随笔為你收集整理的NMS 非极大值抑制的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。