目标检测理论（1）———交并比（IoU）和 非极大值抑制（NMS）

1. 交并比：IoU:

　　1) 概念：如图有两个区域：A和B，IoU就是两个区域的相交面积 / （总面积-相交面积）；

　　　　       即：  IoU =  A ∩ B / A υ B；

 　　2）应用：

　　在目标检测中，我们首先会预测出一系列的候选框，然后使用NMS来去除一堆多余的框。这里的判断标准就是IoU大于某个阈值，一般这个阈值设置为0.5. 

　　 3）代码实现：

2. 非极大值抑制：NMS：

　　1）概念：

　　　　具体执行过程：1）获取当前目标类别下所有bbox的信息；

　　　　　　　　　　    2）将bbx按照confidence从高到低进行排序，并记录当前confidence最大的bbx.

　　　　　　　　　　　3）计算最大confidence对应的bbx与剩下的所有的bbx的IoU，移除所有大于IoU阈值的bbx;

　　　　　　　　　　    4）对剩下的bbx, 循环执行（2），（3），直到所有的bbx均满足要求（即不能再移除bbx）;

       2）注：

            我在工作的时候，发现大家出处理NMS时出现过一个误解：”就是NMS摒弃后留下的框进行融合？“。也可能是我误解。但我和同事验证下来，下面的理解应该是对的

            假设一个对象，现在出现了5个检测框，对应IoU为[0.9, 0.8, 0.5, 0.3, 0.1], 假设阈值为0.5， 则留下0.9的框，扔掉0.8的框，0.5， 0.3， 0.1的框认为是其他目标的框保留。然后在其他对象做非极大值抑制的时候再扔掉，只留下一个框作为检测对象结果。

            疑问：1）大框套小框，一个目标误认两个目标。有什么好的解决方法吗？

标签：confidence,NMS,阈值,IoU,0.5,bbx,交并
来源： https://www.cnblogs.com/cainiaoxuexi2017-ZYA/p/14312581.html