哈尔滨网站搭建的价格,重庆百度地图都导航不出来的,WordPress 支付宝支付,开发电商平台多少钱NMS#xff08;非极大值抑制#xff09;阈值是用于控制在一组重叠的边界框中保留哪些边界框的参数。当检测或识别算法生成多个边界框可能涵盖相同物体时#xff0c;NMS用于筛选出最相关的边界框#xff0c;通常是根据它们的置信度分数。 具体来说#xff0c;NMS的工作原理…NMS非极大值抑制阈值是用于控制在一组重叠的边界框中保留哪些边界框的参数。当检测或识别算法生成多个边界框可能涵盖相同物体时NMS用于筛选出最相关的边界框通常是根据它们的置信度分数。 具体来说NMS的工作原理如下 1.首先算法对图像中的目标进行检测并为每个检测到的目标生成一个边界框。每个边界框都伴随一个与目标相关的置信度分数。 2.接下来NMS算法将所有边界框按照它们的置信度分数进行排序通常按照分数降序排列。 3.然后NMS算法从分数最高的边界框开始将该边界框添加到最终保留的边界框列表中。 4.对于剩余的边界框NMS会计算它们与当前保留的边界框的IoU交并比。如果IoU大于NMS阈值这些边界框将被抑制丢弃只保留一个。 5.重复步骤3和4直到遍历所有边界框。 import numpy as npimport numpy as np
def compute_iou(boxA,boxB):# 计算相交区域的坐标xAmax(boxA[0],boxB[0])yAmax(boxA[1],boxB[1])xBmin(boxA[2],boxB[2])yBmin(boxA[3],boxB[3])# 计算相交区域如果是负数一定是不相交interArea max(0,xB-xA)*max(0,yB-yA)# 计算A和B的面积boxAArea(boxA[3]-boxA[1])*(boxA[2]-boxA[0])boxBArea(boxB[3]-boxB[1])*(boxB[2]-boxB[0])# 计算iouiouinterArea/(boxAAreaboxBArea-interArea)return ioudef nms(boxes, scores, threshold):# boxes: 边界框列表每个框是一个格式为 [x1, y1, x2, y2] 的列表# scores: 每个边界框的得分列表# threshold: NMS的IoU阈值# 按得分升序排列边界框sorted_indices np.argsort(scores)boxes [boxes[i] for i in sorted_indices]scores [scores[i] for i in sorted_indices]keep [] # 保留的边界框的索引列表while boxes:# 取得分最高的边界框current_box boxes.pop()current_score scores.pop()keep.append(sorted_indices[-1])sorted_indices sorted_indices[:-1]discard_indices [] # 需要丢弃的边界框的索引列表for i, box in enumerate(boxes):# 计算与当前边界框的IoUiou compute_iou(current_box, box)# 如果IoU超过阈值标记该边界框为需要丢弃if iou threshold:discard_indices.append(i)# 移除标记为需要丢弃的边界框。从后往前删不然for循环会出错for i in sorted(discard_indices, reverseTrue):boxes.pop(i)scores.pop(i)sorted_indices np.delete(sorted_indices, i) # np与list的方法不同return keep# test# 模拟一组边界框和得分
boxes [[1, 1, 3, 3], [2, 2, 4, 4], [4, 4, 6, 6], [5, 5, 7, 7], [10, 10, 12, 12]]
scores [0.9, 0.8, 0.7, 0.75, 0.6]# 设置NMS阈值
nms_threshold 0.9# 调用nms函数进行非极大值抑制
keep_indices nms(boxes, scores, nms_threshold)# 打印保留下来的边界框的索引
print(保留的边界框索引, keep_indices)# 打印保留下来的边界框的坐标和得分
print(保留的边界框坐标和得分)
for idx in keep_indices:print(边界框坐标, boxes[idx])print(得分, scores[idx])
