【论文阅读】NMS系列 结合代码学习 solov2 Matrix NMS
NMS系列 NMS Soft NMS Matrix NMS decay factor f ( i o u i , j ) f(iou_{i,j}) f ( i o u i , j ) decremented functions 代码解读 solov2提出了Matrix NMS,这一篇就想把NMS系列总结一下。 Non-Maximum Suppression的翻译是非“极大值”抑制,而不是非“最大值”抑制。这就说明了这个算法的用处:找到局部极大值,并筛除(抑制)邻域内其余的值。 NMS 参考:https://zhuanlan.zhihu.com/p/78504109 在目标检测中,我们需要NMS从堆叠的类别一样的边框中挑出最好的那个。 主要实现的方法就是对于相同类别的,把置信度比自己低,和自己的重叠度即iou大于某一阈值的剔除(把置信度置位0) 算法流程: 将所有的框按类别划分,并剔除背景类,因为无需NMS。 对每个物体类中的边界框(B_BOX),按照分类置信度降序排列。 在某一类中,选择置信度最高的边界框B_BOX1,将B_BOX1从输入列表中去除,并加入输出列表。 逐个计算B_BOX1与其余B_BOX2的交并比IoU,若IoU(B_BOX1,B_BOX2) > 阈值TH,则在输入去除B_BOX2。 重复步骤3~4,直到输入列表为空,完成一个物体类的遍历。 重复2~5