NMS的理解及Python实现

最新推荐文章于 2025-10-24 16:02:25 发布

原创

最新推荐文章于 2025-10-24 16:02:25 发布 · 1.8k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#NMS #RCNN #目标检测

本文深入解析了非极大抑制（NMS）算法的工作原理，通过实例展示了如何使用Python实现NMS，以解决目标检测中同一对象多个边界框的问题。

NMS的理解及Python实现

NMS的定义

全称为non maximum suppression，翻译成中文是非极大抑制。怎么理解呢？
这里上一张图。
在这里插入图片描述
如上图所示，绿色的框识别出了鸣人，红色的识别出了水门，蓝色的则识别出了自来也。
但是，我们对于每个对象只需要一个框就够了，在这里，无论是鸣人，水门还是自来也都有三个框，我们应该保留哪个框呢？当然是得分（预测概率）最高的哪个。
NMS就是干这个活的，也就是，不是得分最高的（极大值）的框都可以滚蛋了。

NMS实现

步骤1：按照得分的顺序将所有bounding box进行排序。
步骤2：最高的那个肯定留下，然后计算它与其他所有bounding box（得分都低于他）的IoU（交并比，不解释了）。若某个bounding box的ioU小于设定的阈值，那就留下他，不然就删掉他。
步骤3：余下的继续执行1~2步
这里举个例子：
给定上图的3个人物的3个bounding box及得分数组[x1, y1, x2, y2, score]。
第一行三个是鸣人，第二行三个是水门，第三行三个是自来也。

dets = [[218, 322, 385, 491, 0.98],[247, 312, 419, 461, 0.83],[237, 344, 407, 510, 0.92],
            [757, 218, 937, 394, 0.96],[768, 198, 962, 364, 0.85],[740, 240, 906, 414, 0.83],
            [1101, 84, 1302, 303, 0.82], [1110, 67, 1331, 260, 0.97], [1123, 42,