目标检测:NMS和计算mAP时的置信度阈值和IoU阈值
- 在目標(biāo)檢測問題中,好幾處地方使用了閾值這個(gè)限制指標(biāo),主要有:1. NMS操作之前用到的置信度閾值a;2. NMS進(jìn)行時(shí)用到的IoU閾值b;3.計(jì)算某類別AP時(shí),統(tǒng)計(jì)TP,FP個(gè)數(shù)前,用到置信度閾值c;4. 計(jì)算某類別AP時(shí),統(tǒng)計(jì)TP,FP個(gè)數(shù)時(shí),用到IoU閾值d。
- NMS用到的IoU閾值,是拿除保留的預(yù)測框外的其余預(yù)測框跟同一類別中置信度最高的預(yù)測框IoU與其作比較。
- 計(jì)算mAP用到的IoU閾值,是拿預(yù)測框與GT的IoU與其作比較。
- NMS的置信度閾值主要是為了過濾掉一些背景預(yù)測框(一般來說one stage算法用的較多,因其沒有two stage產(chǎn)生ROI,背景框較多)。
- 計(jì)算mAP的置信度閾值主要是用來選取TOP N(置信度分?jǐn)?shù)從高到低排名的前N個(gè)檢測)的樣本來統(tǒng)計(jì)TP,FP,FN,計(jì)算AP。
2.IOU設(shè)置過高或過低的問題
如果?IOU?閾值設(shè)置較低,樣本的質(zhì)量就難以保證;為了獲得高質(zhì)量的正樣本,可以調(diào)高?IOU?閾值,但樣本數(shù)量就會(huì)降低導(dǎo)致正負(fù)樣本出現(xiàn)比例不平衡,且較高的?IOU?閾值很容易丟失小尺度目標(biāo)框。
3.分類
①根據(jù)級(jí)聯(lián)思想,通過不斷提高IOU?閾值來獲得高質(zhì)量的正樣本,能夠在一定程度上提高小目標(biāo)的檢測效果,但存在隨著?IOU?閾值不斷提高,匹配的?Anchor?數(shù)量減少,導(dǎo)致漏檢的問題。
②將?IOU?閾值從?0.5?降到?0.35,使用降低閾值的方法先保證每個(gè)目標(biāo)都能有足夠的錨框檢測。同時(shí)為了解決正樣本增加導(dǎo)致樣本質(zhì)量得不到保證的問題,提出最大化背景標(biāo)簽的方法,在最底層分類時(shí)將背景分為多個(gè)類別而不是二分類,對(duì)?IOU?大于0.1?的?Anchor?進(jìn)行排序,幵對(duì)每個(gè)框預(yù)測?3?次背景值,取背景概率中最大的值作為最終背景,通過提高分類難度以此來解決正樣本質(zhì)量得不到保證的問題,提高了小目標(biāo)的檢測準(zhǔn)確率。但此種方法可能會(huì)出現(xiàn)因IOU?閾值過低,造成無效的正樣本數(shù)量過多,從而導(dǎo)致誤檢率提高的問題。
4.總結(jié)
對(duì)于不同的檢測任務(wù),如果待檢測目標(biāo)尺度之間相差不大,即數(shù)據(jù)集中大多為同一尺度目標(biāo)時(shí),可以適當(dāng)降低?IOU?閾值再進(jìn)行選取,對(duì)小目標(biāo)特征實(shí)現(xiàn)最大程度的提取。在實(shí)際應(yīng)用中,同一場景下的檢測不可能只包含單一尺度的目標(biāo),存在不同目標(biāo)尺度跨越相差較大的情況,如果固定?IOU?閾值進(jìn)行統(tǒng)一檢測篩選,會(huì)帶來樣本不平衡的問題,小目標(biāo)特征極有可能被嚴(yán)栺的?IOU?閾值舍棄。因此,設(shè)置動(dòng)態(tài)?IOU閾值作為不同尺度目標(biāo)檢測更具普適性,根據(jù)不同的樣本數(shù)量動(dòng)態(tài)調(diào)整,當(dāng)負(fù)樣本數(shù)量過高時(shí)不斷提高?IOU?閾值平衡樣本數(shù)量,避免了直接設(shè)置過高的?IOU?閾值而造成的漏檢,訓(xùn)練出來的模型泛化性更強(qiáng)。
總結(jié)
以上是生活随笔為你收集整理的目标检测:NMS和计算mAP时的置信度阈值和IoU阈值的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 常见8个知识模型
- 下一篇: yolo v3配置文件说明模型配置文件—