目标检测后处理:从nms到softer nms

本文详细介绍了目标检测任务中的后处理方法,从经典的NMS(非极大值抑制)到Soft-NMS,再到Softer-NMS。NMS存在误删目标的问题,Soft-NMS通过平滑分数来缓解此问题,而Softer-NMS引入定位置信度,进一步提高定位精度。三者各有适用场景,Softer-NMS可与Soft-NMS结合使用,提升整体检测效果。

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


对于目标检测算法,它包含了三个要素:Backbone + Head + Postprocess,上一篇文章介绍了Light Head R-CNN,它是对“head”部分的优化,对于Postprocess部分,最早用的是NMS,后面出现了Soft NMS和Softer NMS,本文将分别解释它们的动机和原理,希望能对大家有所帮助。

1 NMS

NMS,它的全称为“non-maximum supression”。为什么要使用nms呢?因为在目标检测任务中,不管是one-stage还是two-stage的算法,最终算法都会预测出多个proposals。在后处理部分中,需要对这些proposals做筛选。

1.1 动机

(1)优先选择分类score较高的proposal;
(2)跟分类score重叠较多的proposals,可以视为冗余的预测框;

1.2 步骤

(1)将算法预测出的所有proposals,按照不同的类别标签分组;
(2)对于每一个类别的所有proposals,记作 B B B,筛选后的proposals集合记作 D D D,执行如下操作,
        (a)选择score最高的proposal,记作 M M M,加入到 D D D中;
        (b)计算剩余的proposals与 M M M之间的Iou,若大于阈值 N t N_{t} Nt,则舍弃,否则保留;
        (c)若步骤(b)中得到的所有proposals为空,则跳回步骤(2),否则执行步骤(a)。
(3)经过后处理之后,所有类别保留的有效proposals集合为S={D_{1}, D_{2}, …, D_{c},其中c表示目标类别的数量;

伪代码如下图,
在这里插入图片描述

2 Soft-NMS

2.1 动机

由上可见,NMS算法保留score最高的预测框,并将与当前预测框重叠较多的proposals视作冗余,显然,在实际的检测任务中,这种思路有明显的缺点,比如对于稠密物体检测,当同类的两个目标距离较近时,如果使用原生的nms,就会导致其中一个目标不能被召回,为了提高这种情况下目标检测的召回率,Soft-NMS应运而生。对

对不起,我无法为您提供准确的代码和详细步骤,因为我无法浏览互联网或提供特定的代码示例。但是,我可以向您解释一下如何结合YOLOv5s和Softer-NMS的步骤。 1. 下载YOLOv5s的代码:首先,您需要下载YOLOv5s的代码,您可以在YOLOv5的官方GitHub页面上找到相关的代码和文档。 2. 安装依赖项:根据YOLOv5s的要求,您需要安装所需的依赖项。通常,您可以在代码仓库中的requirements.txt文件中找到这些依赖项,并使用pip进行安装。 3. 下载Softer-NMS的代码:Softer-NMS是一种用于目标检测后处理技术,用于改进边界框之间的重叠问题。您可以在GitHub上找到相关的Softer-NMS代码,并将其下载到本地。 4. 将Softer-NMS集成到YOLOv5s中:根据Softer-NMS的文档或示例,将其集成到YOLOv5s的代码中。这可能涉及到修改YOLOv5s的推理代码,以应用Softer-NMS算法来处理边界框。 5. 测试和调试:完成集成后,您可以通过运行一些测试图像或视频来验证修改后的YOLOv5s算法是否正常工作。您可以检查输出边界框的质量,以确保Softer-NMS被正确应用。 请注意,这只是一个大致的步骤指南,并不包含具体的代码和细节。为了成功地结合YOLOv5s和Softer-NMS,您需要详细了解这两个算法的实现和原理,并进行必要的代码修改和调试。建议您参考YOLOv5和Softer-NMS的官方文档和示例代码,以获取更具体的指导和支持。
评论 13
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