非极大抑制NMS的直观理解

NMS算法是目标检测中用于减少冗余候选区域的关键步骤。本文详细介绍了NMS算法的工作流程,包括输入候选框坐标和置信度、按置信度排序、计算重叠率并移除重叠框等步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

NMS是针对基于Region的目标检测算法提出的,经过滑动窗、Selective Search、RPN得到的候选框,或者inference阶段得到的多个boxes会互相重叠,增加计算量,或者直接导致检测结果差。因此需要应用NMSNMS的具体步骤如下:

 

step1:输入box坐标和置信度,以及重叠率的阈值。

step2:把所有框按置信度排序。

step3:将其他所有boxes与待比较队列 中置信度最高的box计算重叠率,高于阈值的box直接删除,低于阈值的暂时保留在 中,比较完后将置信度最高的box从待比较队列 中删除,加入候选集合W

step4:重复step2、step3,直至待比较队列为空。

集合即为筛选后的候选框集合。

 

本博文可集合代码理解, 代码借鉴博文https://www.cnblogs.com/king-lps/p/8040458.html,如有侵权,告知删除。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值