计算机视觉之目标检测闭关修炼

柠檬树算法

NMS，Non-Maximum Suppression，非极大值抑制

如上图，定位一个车辆，定位算法找到了这些bBox，则还需要判别出哪些bBox是无效的。非极大值抑制方法：先假设有6个矩形框，根据分类器的类别分类概率作排序，假设按照从小到大排序分别为A、B、C、D、E、F。

1. 从最大概率矩形框F开始，分别判断A~E与F的重叠度IOU是否大于某个设定的阈值;
2. 假设B、D与F的重叠度超过阈值，那么就扔掉B、D；并标记第一个矩形框F，F则是我们保留下来的第一个bBox；
3. 从剩下（已筛选掉B、D、F）的矩形框A、C、E中，选择概率最大的E，然后判断E与A、C的重叠度，重叠度大于一定的阈值，那么就扔掉；并标记E，E是我们保留下来的第二个bBox。
4. 不断重复，直到找出所有被保留下来的矩形框。

以下为具体实验举例：
a) 不使用NMS算法（产生了40个预测框，部分重叠在一起）：

b) 使用NMS算法之后（筛选出5个预测框）：

单线性插值

双线性插值

首先在 x 方向进行线性插值，得到：

然后在 y 方向进行线性插值，得到：

综合起来就是双线性插值最后的结果：

BorderDet: Border Feature for Dense Object Detection（ECCV 2020）

中道崩殂……End

版权声明：本文为CSDN博主「你这个代码我看不懂」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43349479/article/details/123030964