这个在faster rcnn和youlo都介绍过很传统自己看。
不同于在NMS中采用单一阈值,对与最大得分检测结果M超过阈值的结果进行抑制,其主要考虑Soft-NMS,对所有目标的检测得分以相应overlap with M的连续函数进行衰减,具有较低的值而不至于从排序列表中删去。
线性函数函数值不连续,在某一点的值发生跳跃.
高斯函数
其主要考虑IoU阈值设定得高一些,则可能抑制得不够充分,而将IoU阈值设定得低一些,又可能多个ture positive被merge到一起。其设计一个卷积网络组合具有不同overlap阈值的greedyNMS结果,通过学习的方法来获得最佳的输出。基础框架如下:
就是在计算score时使用DIOU作为评判标准。
原文:https://www.cnblogs.com/super-zheng/p/13295958.html