轉載自：http://blog.csdn.net/pb09013037/article/details/45477591

一、Nms主要目的

? ? ? ? ??在物體檢測非極大值抑制應用十分廣泛，主要目的是為了消除多余的框，找到最佳的物體檢測的位置。

如上圖中：雖然幾個框都檢測到了人臉，但是我不需要這么多的框，我需要找到一個最能表達人臉的框。下圖汽車檢測也是同樣的原理。

?

?二、原理

? 非極大值抑制，顧名思義就是把非極大值過濾掉（抑制）。下面我就R-CNN或者SPP_net中的matlab源碼來進行解釋。

function picks = nms_multiclass(boxes, overlap)
%%boxes為一個m*n的矩陣，其中m為boundingbox的個數，n的前4列為每個boundingbox的坐標，格式為

%%（x1,y1,x2,y2）；第5:n列為每一類的置信度。overlap為設定值，0.3,0.5 .....

x1 = boxes(:,1);%所有boundingbox的x1坐標
y1 = boxes(:,2);%所有boundingbox的y1坐標
x2 = boxes(:,3);%所有boundingbox的x2坐標
y2 = boxes(:,4);%所有boundingbox的y2坐標


area = (x2-x1+1) .* (y2-y1+1); %每個%所有boundingbox的面積


picks = cell(size(boxes, 2)-4, 1);%為每一類預定義一個將要保留的cell
for iS = 5:size(boxes, 2)%每一類單獨進行
? ? s = boxes(:,iS);
? ? [~, I] = sort(s);%置信度從低到高排序


? ? pick = s*0;
? ? counter = 1;
? ? while ~isempty(I)
? ? ? last = length(I);
? ? ? i = I(last); ?
? ? ? pick(counter) = i;%無條件保留每類得分最高的boundingbox
? ? ? counter = counter + 1;

? ? ? xx1 = max(x1(i), x1(I(1:last-1)));
? ? ? yy1 = max(y1(i), y1(I(1:last-1)));
? ? ? xx2 = min(x2(i), x2(I(1:last-1)));
? ? ? yy2 = min(y2(i), y2(I(1:last-1)));


? ? ? w = max(0.0, xx2-xx1+1);
? ? ? h = max(0.0, yy2-yy1+1);


? ? ? inter = w.*h;
? ? ? o = inter ./ (area(i) + area(I(1:last-1)) - inter);%計算得分最高的那個boundingbox和其余的boundingbox的交集面積

? ? ? I = I(o<=overlap);%保留交集小于一定閾值的boundingbox
? ? end

? ? pick = pick(1:(counter-1));
? ? picks{iS-4} = pick;%保留每一類的boundingbox
end

?

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的非极大值抑制（Non-maximum suppression）在物体检测领域的应用的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。