非极大值抑制 (NMS)

lijingle 深度学习 2022-1-3 14:12 2510人围观

什么是非最大抑制，为什么要使用它？

非最大抑制是一种主要用于目标检测的技术，旨在从一组重叠框中选择最佳边界框。在下图中，非最大抑制的目的是去除黄色和蓝色框，这样我们就只剩下绿色框了。

图 1：同一对象的多个重叠框

计算 NMS 的过程：

为了大致了解什么是边界框，以及 IOU 的含义，我在同一个帖子上发了两篇文章。（边界框和 IOU）。这两篇文章中描述的术语和参数在这篇文章中得到了继承。我将首先继续描述这个特定示例的 NMS 过程，然后解释一个更通用的算法，将它扩展到不同的类。

解释使用的术语：

我们将使用的每个边界框的格式如下：

bbox = [x1, y1, x2, y2, 类别, 置信度]。
让我们假设对于这个特定的图像，我们有一个列表 3 个边界框；即 bbox_list = [blue_box, Yellow_box, green_box]。
green_box = [x1, y1, x2, y2, ”Cat”, 0.9] yellow_box = [x5, y5, x6, y6, ”Cat”, 0.75] blue_box = [x3, y3, x4, y4, ”Cat”, 0.85]！

Stage 1（最初移除boxes）：

作为 NMS 的第一步，我们按置信度的降序对框进行排序。这给了我们：

bbox_list = [green_box，blue_box，yellow_box]

然后我们定义一个置信度阈值。任何置信度低于此阈值的框都将被删除。对于此示例，让我们假设置信阈值为 0.8。使用此阈值，我们将删除黄色框，因为其置信度 < 0.8。这给我们留下了：

bbox_list = [green_box, blue_box]

图 2：移除黄色框

Stage 2（boxes的 IOU 比较）：

由于框按置信度降序排列，我们知道列表中的第一个框具有最高的置信度。我们从列表中删除第一个框并将其添加到新列表中。在我们的例子中，我们将删除绿色框，并将其放入一个新列表中，例如 bbox_list_new。
在这个阶段，我们为 IOU 定义了一个额外的阈值。此阈值用于删除具有高重叠的框。其推理如下：如果两个框有大量重叠，并且它们也属于同一类，则两个框很可能覆盖同一对象（我们可以从图 2 中验证这一点）。由于目标是每个对象有一个框，我们尝试删除置信度较低的框。
对于我们的例子，假设我们的 IOU 阈值为 0.5
我们现在开始计算 bbox_list 中每个剩余框也具有相同类的绿色框的 IOU。在我们的例子中，我们将只用蓝色框计算绿色框的 IOU。
如果绿框和蓝框的 IOU 大于我们定义的阈值 0.5，我们将移除蓝框，因为它具有较低的置信度，并且也有显着的重叠。
对图像中的每个框重复此过程，最终只得到具有高置信度的唯一框。

图 3：非最大抑制的结果

算法：

为 Confidence_Threshold 和 IOU_Threshold 定义一个值。
按置信度的降序对边界框进行排序。
删除置信度 < Confidence_Threshold 的框
循环所有剩余的框，首先从置信度最高的框开始。
计算当前框的 IOU，剩余的所有框都属于同一类。
如果 2 个框的 IOU > IOU_Threshold，则从我们的框列表中删除置信度较低的框。
重复此操作，直到我们遍历完列表中的所有框。

代码：

下面的代码是执行非最大抑制的基本功能。以下代码段中使用的 IOU 函数与上一篇文章中使用的函数相同（代码可在此处找到）。

可以优化以下用于计算 NMS 的代码以提高性能。

def nms(boxes, conf_threshold=0.7, iou_threshold=0.4):

该函数将特定图像的框列表、置信阈值和 iou 阈值作为输入。 （我已将它们的默认值分别设置为 0.7 和 0.4）

bbox_list_thresholded = []
bbox_list_new = []
我们创建了 2 个名为 bbox_list_thresholded 和 bbox_list_new 的列表。
bbox_list_thresholded：包含过滤低置信度框后的新框列表
bbox_list_new：包含执行NMS后的最终box列表
boxes_sorted = sorted(boxes, reverse=True, key = lambda x : x[5])
我们通过按置信度降序对框列表进行排序来开始阶段 1，并将新列表存储在变量 box_sorted 中。 称为 sorted 的内置 Python 函数遍历我们的框列表，
并根据我们指定的关键字对其进行排序。 在我们的例子中，我们指定关键字 reverse=True 以降序对列表进行排序。 第二个关键字 key 指定我们要用于
排序的约束。 我们使用的 lambda 函数提供了一个映射，该映射返回每个边界框的第 5 个元素（置信度）。 sorted 函数在迭代每个框时，
会查看 lambda 函数，该函数将返回框的第 5 个元素（置信度），并以相反的顺序对其进行排序。
for box in boxes_sorted:
    if box[5] > conf_threshold:
        bbox_list_thresholded.append(box)
    else:
        pass
我们迭代所有已排序的框，并删除置信度低于我们设置的阈值的框（conf_threshold=0.7）
while len(bbox_list_thresholded) > 0:
    current_box = bbox_list_thresholded.pop(0)
    bbox_list_new.append(current_box)
在第 2 阶段，我们将阈值框列表（bbox_list_thresholded）中的所有框一一循环，直到列表被清空。
我们首先从这个列表（current_box）中删除（弹出）第一个框，因为它具有最高的置信度，并将其附加到我们的最终列表（bbox_list_new）。
for box in bbox_list_thresholded:
        if current_box[4] == box[4]:
            iou = IOU(current_box[:4], box[:4])
            if iou > iou_threshold:
                bbox_list_thresholded.remove(box)
然后我们遍历列表 bbox_list_thresholded 中所有剩余的框，并检查它们是否与当前框属于同一类。 （box[4] 对应类）
如果两个框属于同一类，我们计算这些框之间的 IOU（我们将 box[:4] 传递给 IOU 函数，因为它对应于 (x1, y1, x2, y2) 的值，
因为我们的 IOU 函数不需要class和 confidence）。如果 IOU > iou_threshold，我们从列表 bbox_list_thresholded 中删除该框，
因为该框是置信度较低的框。
return bbox_list_new在非最大抑制之后，我们返回更新的框列表。

最终总结：
可以根据应用修改非最大值抑制的此过程。 例如，模型 YOLOV3 使用两组置信度作为阈值度量。 对该算法的另一个修改称为soft NMS，我将在另一篇文章中解释。
我创建了一个代码，该代码针对具有 2 个不同类别的图像执行 NMS 阈值的整个过程。 我将在下面附上它的结果。 完整的代码可以在这里找到。