提示：文章寫完后，目錄可以自動生成，如何生成可參考右邊的幫助文檔

NMS、soft NMS、softer NMS與IOU-Guided NMS

• 一、NMS
• 二、soft NMS
• 三、softer NMS**
• 四、IOU-Guided NMS**

---

一、NMS

非極大值抑制算法（Non-maximum suppression, NMS）的本質是搜索局部極大值，抑制非極大值元素。在計算機視覺技術中主要目的是為了消除多余的框，找到最佳的物體檢測的位置，幾乎所有的目標檢測方法都用到了這種后處理算法。

如上圖中，一共有6個識別為人的框，每一個框有一個置信率。 現在需要消除多余的:
· 按置信率排序: 0.95, 0.9, 0.9, 0.8, 0.7, 0.7
· 取最大0.95的框為一個物體框
· 剩余5個框中，去掉與0.95框重疊率IoU大于0.6(可以另行設置)，則保留0.9, 0.8, 0.7三個框
· 重復上面的步驟，直到沒有框了，0.9為一個框
· 選出來的為: 0.95, 0.9

---

二、soft NMS

Soft NMS相對于NMS的改進即每次并不是直接排除掉和已選框重疊大于一定閾值的框，而是以一定的策略降低對應框的得分，直到低于某個閾值，從而不至于過多刪除擁擠情況下定位正確的框。
下圖中，如果直接使用NMS，當設置的閾值比較小的時候，后面置信度為0.8的綠色框就會被直接刪掉，從而出現沒有檢測到后面那匹馬的情況，造成了漏檢。
根據論文降分的指導原則，一個檢測框和高置信度檢測框的IOU越大，其置信度的下降幅值應該越大。

M為當前置信度最大的框，bi為候選檢測框。

經校驗后，在密集檢測場景中，NMS會造成漏檢，而soft nms可以改善檢驗效果。若是在非密集檢測場景中，NMS的誤檢問題，并不會被得到改善。

**<hr style=" border:solid; width:100px; height:1px;" color=#000000 size=1">

三、softer NMS**

softer NMS相對于NMS的改進即每次并不是直接以得分最大的框的坐標作為當前選擇框的坐標，而是和得分最大的框重疊大于一定閾值的所有框的坐標進行一定策略的加權平均，所得的新的框作為當前選擇的得分最大的框的坐標，從而盡可能準確地定位物體。

**<hr style=" border:solid; width:100px; height:1px;" color=#000000 size=1">

四、IOU-Guided NMS**

即以IOU（交并比）得分作為NMS的排序依據，因為IOU得分直接反應了對應框的定位精確程度，優先考慮定位精度較高的框，防止定位精度較低但是其他得分較高的框被誤排序到前面。

（1）IOU是對定位準確度的一個天然準則。作者用預測的IOU替換classification confidence作為NMS中的排名關鍵依據。稱為IOU-guided NMS，有助于消除cls conf誤導下的錯誤。

（2）提出了一種與傳統的基于回歸的方法表現相當的基于優化的bounding box改良流程。使用預測到的IOU優化目標，同時作為定位置信度的可解釋性指示量。提出的Precise RoI Pooling layer可以通過梯度上升求解IOU優化。實驗表明該方法能與基于CNN的檢測器兼容，并且能帶來定位準確率的單調上升。

總結

以上是生活随笔為你收集整理的NMS、soft NMS、softer NMS与IOU-Guided NMS的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。