• 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。

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