目标检测之NMS

什么是NMS？

  NMS（非极大值抑制，Non-Maximum Suppression），是一种提取目标检测中分数最高的窗口的算法。例如在目标检测中，我们的神经网络对一个目标生成了多个检测窗口，但是事实上这些窗口中大部分内容都是重复的，我们真正需要的只有一个。

  所以我们要做就是找到目标检测最优的窗口，NMS就是用来选取多个检测窗口中分数最高的那个窗口，剔除掉其他的同类型的窗口，因此 NMS 在计算机视觉领域有着非常重要的应用。

目标检测网络输出

为什么目标检测在同一物体会有多个框？

  在目标检测任务中，预测结果会得到多个bounding box（bbox），这是为了模型目标检测的准确性，例如上图模型得到了两个bbox，可以看到网络的最终输出是 7×7×30。7x7 指的是图像分为 7x7 个区域进行预测。
  最终输出 tensor 的前五个数值，分别是 bbox 的$x$,$y$,$w$,$h$,$c$或者$x_1$,$y_1$,$x_2$,$y_2$,$c$， 前四个值为bbox的位置信息，$c$为bbox 的置信度。
  置信度就是算法的自信心得分，越高表示越坚信这个检测的目标没错。
  通过多个bbox增加预测的准确性，进一步通过NMS去除冗余bbox，最后得到更加准备的预测结果。

基础知识IoU

  IoU 的全称为交并比（Intersection over Union），通过这个名称我们得出 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。在目标检测任务中，IoU成为一个衡量预测的检测框的准确度的一个重要计算指标。包括目标检测中的AP和mAP的指标，都是依据IoU的计算来实现的。

  对于任意的检测框，设定两个框的IoU阈值作为两者是否合并的评判依据，并执行NMS操作来删除冗余的检测框。

iou实现思路

• 首先计算两个box左上角点坐标的最大值和右下角坐标的最小值（这是因为图像数据标注时一般以图像的左上角为坐标原点）；
• 然后计算交集面积；
• 最后把交集面积除以对应的并集面积。

NMS算法流程

1. 给出一张图片和上面许多物体检测的候选框（即每个框可能都代表某种物体），但是这些框很可能有互相重叠的部分，我们要做的就是只保留最优的框。假设有N个框，每个框被分类器计算得到的分数为$S_i$, 其中1$\le i\le N$;
2. 建造一个存放待处理候选框的集合$\mathbf{H}$，初始化为包含全部$N$个框；建造一个存放最优框的集合$\mathbf{M}$，初始化为空集;
3. 将所有集合$\mathbf{H}$中的框进行排序，选出分数最高的框$m$</