C++学习之五-目标检测剔除冗余框（NMS实现）

最新推荐文章于 2025-06-04 16:48:58 发布
最新推荐文章于 2025-06-04 16:48:58 发布
阅读量4.7k 收藏 16
点赞数 1
CC 4.0 BY-SA版权
分类专栏： c++与opencv做图像处理 图像处理 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/xiao__run/article/details/84956390
本文介绍了非极大值抑制(NMS)在计算机视觉中的应用，特别是在人脸和车辆检测中的作用。首先解释了人脸检测的基本概念，包括分类器和滑动窗口方法。接着，详细阐述了NMS的原理，即通过得分排序和IOU计算来去除重叠框。最后，提供了C++实现NMS的两种代码示例。

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

NMS（non maximum suppression），中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。

这里主要以人脸检测与车辆检测中的应用为例，来说明NMS
人脸检测的一些概念

（1） 绝大部分人脸检测器的核心是分类器，即给定一个尺寸固定图片，分类器判断是或者不是人脸；

（2）将分类器进化为检测器的关键是：在原始图像上从多个尺度产生窗口，并resize到固定尺寸，然后送给分类器做判断。最常用的方法是滑动窗口。

以下图为例，由于滑动窗口，同一个人可能有好几个框(每一个框都带有一个分类器得分)
在这里插入图片描述
（1）将所有框的得分排序，选中最高分及其对应的框：
在这里插入图片描述
（2）遍历其余的框，如果和当前最高分框的重叠面积(IOU)大于一定阈值，我们就将框删除。
在这里插入图片描述
下面给出C++ 的快速NMS代码两种实现方式，并带有详细的注释：

#include&l
了解本专栏 订阅专栏 解锁全文
目标检测YOLO实战应用案例100讲-基于深度学习的无人机目标检测算法轻量化研究（中）
qq_36130719的博客
04-26 931
针对无人机图像背景复杂、分辨率高、目标尺度差异大等特点，基于实时性 和准确性均衡的单阶段目标检测算法YOLOv5，本章提出了一种实时目标检测算 法YOLOv5sm+，力图解决其深度宽度不均衡、分类精度、实时性不足等问题。 首先为解决无人机图像目标尺度差异大、小目标检测率低的问题，分析了深度模 型中模型深度和宽度对无人机图像检测的性能增益，提出了可显著提高感受野的 混合残差空洞卷积模块，并结合无人机图像特点对YOLOv5s模型针对性改进， 设计了YOLOv5sm模型。其次为进一步优化改进模型的实时性与识别率，
目标检测YOLO实战应用案例100讲-基于深度学习的实时车道线与目标检测多任务实现（下）
qq_36130719的博客
01-21 230
米文Apex Xavier是一款基于Linux内核的嵌入式计算设备，能够运行多种深 度学习算法，从而有效降低人工智能产品的落地门槛。它具有丰富的扩展接口， 支持GMSL车规级相机接口，可以同时接入8路相机。嵌入式计算平台如图5-1 所示。Apex Xavier可以在满足抗振防水等工业级标准的同时提供高效的多传感器时 钟同步功能与基于主流的AI算法加速SDK。
NMS 原理和c++实现，已测试通过
进击的菜鸟
04-27 3568
NMS(非极大抑制)是深度学习目标检测中常用的小算法，用来过滤掉同一个物体上的那些置信度较低的bbboxes，最后只剩下该目标检测框集中最大置信度的那个。 算法原理 说它是小算法的原因是其原理很简单。 1）先对输入检测框按置信度由高到低排序 2）挑选第一个检测框(即最高置信度，记为A）和其它检测框（记为B）进行iou计算 3）如果iou大于nmsThreshold， 那就将B清除掉 4）跳转到2）从剩余得框集里面找置信度最大得框和其它框分别计算iou 5）直到所有框都过滤完。 代码实现 .
【C++】C++多线程实现目标检测算法nms处理（数据访问冲突解决）
weixin_44984705的博客
09-26 1063
C++ nms代码实现，多线程解决
深度学习后处理————手撕各种NMS代码
最新发布
m0_69115733的博客
06-04 222
本文介绍Detect_NMS、OBB_NMS、Polygon_NMS、Pose_NMS、Seg_NMS、Class_NMS等等后续会添加更多任务的NMS。
C++实现NMS(非极大值抑制)
xiangxianghehe的博客
07-25 2766
具体原理解析和numpy实现见本人另一篇博客：numpy实现目标检测中的IOU和NMS 这里直接上C++代码： //! //! \brief Performs non maximum suppression on final bounding boxes //! std::vector<int> nonMaximumSuppression(std::vector<std::pai...
NMS C++实现
fanzy1234的博客
09-11 1684
转载https://blog.youkuaiyun.com/avideointerfaces/article/details/88551325 #include <iostream> #include <vector> using namespace std; typedef struct{ int x; int y; int width; int height; ...
使用NMS算法去除目标中存在包含关系的矩形框
赵凯月的博客
12-12 2511
一、NMS算法 NMS算法（非极大值抑制算法）的主要作用是通过搜索局部极大值的思想来实现，主要的实现步骤可以分为以下几个步骤： 1、设定目标框的置信度阈值，常用的阈值为0.5左右。 2、根据置信度排序排列候选框列表。 3、选取置信度最高的框A添加到输出列表，并将其从候选框的列表中删除。 4、计算A与候选框列表中的所有框的IOU值，删除大于阈值的候选框。 5、重复上述过程，直到候选框的列表为空，返回输出列表。 其中计算IOU值的公式为： NMS算法的代码为： #coding:utf-8 import num
目标检测YOLO实战应用案例100讲-基于深度学习的海上船舶识别
qq_36130719的博客
11-15 517
随着经济的发展，我国主要贸易渐渐从陆地转移到海上，船舶作为海上贸易的交通工 具，不仅影响着国家的经济发展也牵系着国家的安全。基于此，无数学者纷纷开始着手于 船舶研究，主要原因分为以下几个方面：首先是资源利用方面。随着陆地资源不断地被人们开发利用，一些资源面临枯竭，人 类开始把手伸向不见底的海洋。海洋是一个巨大的资源宝库，蕴藏着各种各样无法估量的 自然资源。无论是从国家战略方面还是经济建设的角度来看，海洋已经成为各个国家的争 夺重地而且呈愈演愈烈的趋势。
实现比较：C++版cpp-NMSSoftNMS非极大值抑制算法
在目标检测过程中，根据不同的检测策略，可能会产生多个覆盖同一目标的候选框，而非极大值抑制算法的作用就是剔除掉冗余的框，只保留与目标最为匹配的一个框。 NMS的基本流程包括： 1. 计算所有候选框与目标的真实...
C++实现非极大值抑制（NMS）
PixelDude的博客
09-05 465
在每一轮循环中，我们首先将当前得分最高的边界框加入结果列表中，并计算其与其他边界框的IoU。非极大值抑制（Non-Maximum Suppression，简称NMS）是一种常用的计算机视觉算法，用于在目标检测和边缘检测等任务中抑制冗余的边界框或者特征点。首先，我们需要定义一个边界框（Bounding Box）的结构体，用于存储边界框的坐标和得分信息。在上述示例中，我们创建了一个包含四个边界框的列表，并定义了一个阈值为0.5。该函数接收一个边界框列表和一个阈值，并返回一个经过非极大值抑制后的边界框列表。
c++版的NMS（非极大抑制）实现
热门推荐
ltshan139的专栏
03-14 1万+
NMS(非极大抑制)是深度学习目标检测中常用的小算法，用来过滤掉同一个物体上的那些置信度较低的bbboxes，最后只剩下该目标检测框集中最大置信度的那个。 算法原理 说它是小算法的原因是其原理很简单。 1）先对输入检测框按置信度由高到低排序 2）挑选第一个检测框(即最高置信度，记为A）和其它检测框（记为B）进行iou计算 3）如果iou大于nmsThreshold， 那就将B清...
c++实现NMS
weixin_46273445的博客
12-06 1336
在图像识别目标检测任务中，通常用框框（Bounding Box）表示识别出来的对象，对于同一个对象可能有很多个有着不同重叠区域的Bounding Box。每个Bounding Box对应的属于该特征的概率也不尽相同（confidence，置信度）。所以NMS是用来抑制 非 最大置信度 的识别结果，只留下来置信度高的（是该特征的概率最大）结果。NMS - Non-maximum suppression, 非极大值抑制。
用C++手撕NMS
weixin_45725336的博客
07-03 343
NMS主要用于去除目标检测网络最后在目标周围大量重叠的bounding box，该部分用C++实现需要定义bounding box结构体，之后对bounding box列表进行排序，优先选择与目标框iou高的bounding box，与其他的bounding box比较iou的值，高于阈值的删去。
【纯c语言实现NMS算法并提供C++版实现(循环控制一致，方便阅读)】
qq_41384531的博客
08-05 1292
NMS的c及c++语言两种版本实现
C++实现非极大值抑制NMS
mu_xing_的博客
11-09 1304
在目标检测中，一个物体可能会有多个框，非极大值抑制（NMS, non maximum suppression）的目标是一个物体只保留一个最优的框，抑制那些冗余的框。 其原理实现如下： （1）将所有框的得分排序，选中最高分及其对应的框。 （2）遍历其余的框，如果和当前最高分框的重叠面积(IOU)大于一定阈值，就将框删除。 （3）从未处理的框中继续选一个得分最高的，重复上述过程。 图cr：LOGO侵删 下面给出c++实现程序： bool sortForAreaRect(Rect a, Rect b)
C++笔记--基于C++实现NMS算法
牵一只蜗牛去散步
10-13 841
【代码】C++笔记--基于C++实现NMS算法。
py-faster-rcnn中demo.py代码与C++版本的代码对比: part07 nms, 获取符合条件的boxes
Abracadabra的专栏
01-10 1274
这里”C++版本的代码”是指: https://github.com/galian123/cpp_faster_rcnn_detect . py-faster-rcnn中demo.py代码, 是指 https://github.com/rbgirshick/py-faster-rcnn/blob/master/tools/demo.py 以及 https://github.com/rbgir
c++多类别nms
weixin_41012399的博客
12-26 657
【代码】c++多类别nms。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

xiao__run

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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