外贸公司如何做公司网站,做网站主题,wordpress网站被攻击,内容型网站有哪些摘自https://blog.csdn.net/qq_38906523/article/details/80195119摘自https://blog.csdn.net/xiexu911/article/details/80609298非极大值抑制NMS在目标检测#xff0c;定位等领域是一种被广泛使用的方法。对于目标具体位置定位过程#xff0c;不管是使用sliding Window还是…摘自https://blog.csdn.net/qq_38906523/article/details/80195119摘自https://blog.csdn.net/xiexu911/article/details/80609298非极大值抑制NMS在目标检测定位等领域是一种被广泛使用的方法。对于目标具体位置定位过程不管是使用sliding Window还是selective search方法都会产生好多的候选区域。实际看到的情形就是好多区域的交叉重叠。如下图所示针对该问题有3种传统的解决思路第一种选取矩形框的交集即公共区域作为最后的目标区域。第二种选取矩形框的并集即所有矩形框的最小外截矩作为目标区域。当然这里也不是只要相交就直接取并集需要相交的框满足交集占最小框的面积达到一定阈值才合并。第三种,也就是本文的NMS简单的说对于有相交的就选取其中置信度最高的一个作为最后结果对于没相交的就直接保留下来作为最后结果。非极大值抑制是一个寻找局部最大值的过程。在进行目标检测时一般会在图像上生成很多的候选框然后把这些候选框送入分类器得到一个得分score然后选取得分最高的那个框接下来计算其他的框与当前框的重合程度iou如果重合程度大于一定阈值就删除。如果图片中有好几个人脸你选取一个最大的那第二个人脸怎么办呢。实际上这是一个迭代的过程第一步的非极大值抑制就是选取了某一个最大的得分然后删除了他周边的几个框第二次迭代的时候在剩下的框里面选取一个最大的然后再删除它周围的框这样不停的迭代下去就会得到所有想要找到的目标物体的区域。
