非极大抑制（Non-maximum suppression）python代码实现

最新推荐文章于 2022-08-09 12:14:03 发布

原创

最新推荐文章于 2022-08-09 12:14:03 发布 · 1.2k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#NMS

非极大值抑制（NMS）用于去除物体检测中的冗余矩形框。算法步骤包括按概率排序矩形框，然后比较并丢弃与最高概率框重叠度超过阈值的框，直至所有保留的框满足条件。该过程有助于精确定位物体。

定位一个物体，最后算法就找出了一堆的方框，我们需要判别哪些矩形框是没用的。非极大值抑制：先假设有6个矩形框，根据分类器类别分类概率做排序，从大到小分别属于物体的概率分别为A、B、C、D、E、F。

(1)从最大概率矩形框F开始，分别判断B~F与A的重叠度IOU是否大于某个设定的阈值;

(2)假设B、D与F的重叠度超过阈值，那么就扔掉B、D；并标记第一个矩形框A，是我们保留下来的。

(3)从剩下的矩形框C、E、F中，选择概率最大的C，然后判断C与E、F的重叠度，重叠度大于一定的阈值，那么就扔掉；并标记C是我们保留下来的第二个矩形框。

就这样一直重复，找到所有被保留下来的矩形框。

# import the necessary packages
import numpy as np


#  Felzenszwalb et al.
def non_max_suppression_slow(boxes, thresh):
    # if there are no boxes, return an empty list
    if len(boxes) == 0:
        return []

    # initialize the list of picked indexes
    pick = []

    # grab the coordinates of the bounding boxes
    x1 = boxes[:, 0]
    y1 = boxes[:, 1]
    x2 = boxes[:, 2]
    y2 = boxes[:, 3]
    scores = boxes[:, 4]

    # compute the area of the bounding boxes and sort the bounding
    # boxes by the bottom-right y-coordi