非极大值抑制算法（Non-Maximum Suppression，NMS）

最新推荐文章于 2025-07-20 12:25:54 发布

原创

最新推荐文章于 2025-07-20 12:25:54 发布 · 2.8k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #目标检测 #深度学习

本文介绍了目标检测中的非极大值抑制（NMS）算法，用于消除高得分框之间的重叠。在Faster R-CNN等模型中，NMS通过按得分排序并计算IoU来去除重复的检测框。给出的Python代码实现了NMS过程，包括排序、计算IoU和筛选。注意，计算下一轮坐标时要加1，因为IoU计算忽略了最大得分框。最后，展示了NMS前后的边界框效果。

算法思想

目标检测中常用到NMS，在faster R-CNN中，每一个bounding box都有一个打分，NMS实现逻辑是：

1，按打分最高到最低将BBox排序，例如：A B C D E F

2，A的分数最高，保留。从B-E与A分别求重叠率IoU，假设B、D与A的IoU大于阈值，那么B和D可以认为是重复标记去除

3，余下C E F，重复前面两步。

代码实现

"""
文件说明：https://www.cnblogs.com/king-lps/p/9031568.html
"""

# !/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Mon May  7 21:45:37 2018

@author: lps
"""
import numpy as np

# size(6,4)
boxes = np.array([[100, 100, 210, 210, 0.72],
                  [250, 250, 420, 420, 0.8],
                  [220, 220, 320, 330, 0.92],
                  [100, 100, 210, 210, 0.72],
                  [230, 240, 325, 330, 0.81],
                  [220,