非极大值抑制（Nonmaxsuppression）是如何在目标检测中减少冗余框的？

本文共计596个文字，预计阅读时间需要3分钟。

来源：Coursera吴恩达深度学习课程课程目标：为了防止过拟合，检查中可能出现的问题是你的算法是否可以对同一个对象进行多次测试。非极大值抑制：非极大值抑制（non-max suppression）

来源Coursera吴恩达深度学习课程目前为止的目标检测中可能出现的问题是你的算法可能对同一个对象做出多次检测。非极大值抑制non-maxsupp

来源Coursera吴恩达深度学习课程

目前为止的目标检测中可能出现的问题是你的算法可能对同一个对象做出多次检测。非极大值抑制non-max suppression这个方法可以确保你的算法对每个对象只检测一次我们讲一个例子。

假设你需要在这张图片里检测行人和汽车你可能会在上面放个19×19网格理论上这辆车只有一个中点所以它应该只被分配到一个格子里左边的车子也只有一个中点所以理论上应该只有一个格子做出有车的预测。

但是当你实际在运行算法时会出现上图的情况可能好几个格子会认为有车。

当你在361个格子上都运行一次图像检测和定位算法最后可能会对同一个对象做出多次检测所以非极大值抑制做的就是清理这些检测结果。这样一辆车只检测一次而不是每辆车都触发多次检测。具体做法如下图

首先看概率最大的那个这个例子右边车辆中p_c是0.9然后就说这是最可靠的检测most confident detection所以我们就用高亮标记表明这里找到了一辆车。这么做之后非极大值抑制就会逐一审视剩下的矩形所有和这个最大的边框有很高交并比Intersection over union高度重叠的其他边界框那么这些输出就会被抑制。所以这两个矩形p_c分别是0.6和0.7和淡蓝色矩形重叠程度很高所以会被抑制变暗表示它们被抑制了。