在R-CNN算法第一階段中，selective search會產生2000個region proposals。經過svm打分后，一個物體可能就有多個框。如下圖：

?

但是我們需要一個物體只有一個最優框（相對同一物體的所有的框，即SVMs打分后得到的矩陣的一個列向量中挑選最優的）。于是使用NMS來抑制冗余的框，得到如下圖的結果：

舉一個例子：某個物體最終得到了A,B,C,D,E,F六個框，按照SVMs打分從高到低剛好也是A,B,C,D,E,F。挑選出得分最高的A，然后遍歷剩下的（候選集），依次計算相對于A的IOU，如果IOU>閾值，則拋棄對應的框（例如：IOU(A,B)>閾值，則拋棄B），否則放回候選集。遍歷完后，如果候選集還有元素且元素個數大于1，繼續挑選出候選集中得分最高的（例如上一輪只拋棄了B，候選集中是C,D,E,F，那么現在得分最高的的是C），然后遍歷候選集，再依次計算（同上），知道候選集中沒有元素，或者只剩一個元素。那么留下的就是最優的框。（直觀上理解還是會有多個框，我的理解是IOU>閾值就拋棄，杜絕了在同一個區域內重復出現多個框，但是一幅圖中可能有多個同類型的目標，例如上圖就有兩張臉，剩下的多個框一定程度上是標注的多個目標）

作者：劉航呈
鏈接：https://zhuanlan.zhihu.com/p/30316608
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。

轉載于:https://www.cnblogs.com/leebxo/p/10188006.html

總結

以上是生活随笔為你收集整理的R-CNN-减少region proposals的数量：NMS(非极大值抑制)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。