1.交并比IoU (intersection over union)
在目标检测的评价体系中,有一个参数IoU,即模型产生的目标窗口与原来标记窗口的交叠率。可以简单理解为:检测结果(detection result)与真实值(Ground Truth)的交集并上它们的并集。公式可以简单记为:
2. 非最大值抑制NMS(Non-maximum suppression)
用途:在目标检测中,从最后的多个备选框中甄选出最合适的框
原理:使用极大概率的备选框抑制其他与它位置接近的备选框
输入:一些备选框,每个备选框包含备选框的坐标和属于相应类别的概率(注意:这里所有类共享这些备选框);
一个重叠度的阈值
输出:每个类别的备选框
方法:
对于第一个类别
step 1:先选个概率极大框加入最终结果(保证至少有一个),然后计算其他框和这个最大框的交并比 IoU,把IoU值大的框剔除掉(我是这样理解的,IoU值越大,越说明两个框的重叠度越高,既然现在选定的框的概率极大,那么相对比的框的概率就相对最小,就没有选定的框的识别效果好,所以剔除)
然后在重复step 1(因为一副图片中可能有多个物体属于第一类别),选出剩下的里面概率极大框加入最终结果,然后计算,剔除 ... ... ... 直到某一次剔除后,没有剩下的框了,那么这个类别的框就找全了。
开始第二个类别
....