【python】实现NMS

最新推荐文章于 2025-05-06 11:43:56 发布

Florrie Zhu

最新推荐文章于 2025-05-06 11:43:56 发布

阅读量942

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python学习文章标签： python 开发语言深度学习

本文链接：https://blog.csdn.net/Resume_f/article/details/126196392

本文详细介绍了在目标检测中常用的非极大值抑制（NMS）算法及其软版本Soft-NMS。NMS通过排序检测框的置信度并删除重叠区域较大的框来消除冗余。而Soft-NMS则通过降低而非直接删除高重叠区域的框的置信度，以保留更多信息。文章还探讨了两种不同形式的Soft-NMS：线性和高斯加权，并提供了实现细节。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

NMS

NMS非极大值抑制，目标：消除多余的框，只保留最佳物体检测的位置

步骤：

对所有检测框按置信度进行排序
找出分数最高的检测框 $B_{max}$
遍历其他框，计算当前框与 $B_{max}$ 的重叠面积
如果重叠面积大于某个设定的阈值，则删除
继续对未处理的检测框进行排序
重复

检测模型的输出为：(batch_size, all_boxes, 4+1+num_classes)

对于yolo的输出结果具体为：
batch_size, x,y,w,h, 存在物体的概率，类别1的概率…类别n的概率

对于SSD的输出结果具体为：
batch_size, x,y,w,h, 存在背景的概率，类别1的概率…类别n的概率

实现NMS


'''对于yolo的nms代码'''

def nms(boxes, num_classes, conf_thres=0.5, nms_thres=0.4):
 #boxes: 检测的boxes及scores，维度(batch_size, all_boxes, 4+1+num_classes)
 #num_classes: 类别的数量
 #conf_thres: 预测框的阈值, nms_thres: 极大值抑制的阈值


 #取batch size
 bs = np.shape(boxes)[0]

 #将预测框（中心宽高）转成左上角右下角的形式
 shape_boxes = np.zeros_like(boxes[:,:,:4])
 shape_boxes[:,:,0] = boxes[:,:,0] - boxes[:,:,2]/2
 shape_boxes[:,:,1] = boxes[:,:,1] - boxes[:,:,3]/2
 shape_boxes[:,:,2] = boxes[:,:,0] + boxes[:,:,2]/2
 shape_boxes[:,:,3] = boxes[

最低0.47元/天解锁文章