date: 2017-07-21 16:48:02
非极大值抑制算法(Non-maximum suppression, NMS)
算法原理
非极大值抑制算法的本质是搜索局部极大值,抑制非极大值元素。
算法用途
如在物体检测中可以通过应用NMS算法来消除多余的交叉重复的窗口,使在同一物体的多个检测窗口中保留下得分最高的窗口。
NMS算法亦可用于视频跟踪/数据挖掘/3D重建以及文理分析等。
算法实现思路
首先迭代所有的点,迭代每一个点的时候判断该点是否符合局部最大值的条件。
NMS算法在三邻域情况下的实现
三邻域情况下的NMS即判断一维数组array中的元素array[i]是否大于其左邻元素array[i-1]和右邻元素array[i+1],具体实现如下图(Python表示):
import numpy as np
array = [0] + np.random.randint(100, size=10).tolist() + [0]
keep = []
i = 1
while i <= 10:
if array[i] > array[i+1]:
if array[i] > array[i-1]:
keep.append(array[i])
else:
i += 1
while i <= 10 and array[i] <= array[i+1]:
i += 1
if i <= 10:
keep.append(array[i])
i += 2
NMS算法应用于人脸检测窗口选择的实现(Python实现)
import numpy as np
def nms(rects, threshold):
x1, y1, x2, y2, scores = rects[:, 0], rects[:, 1], rects[:, 2], rects[:, 3], rects[:, 4]
areas = (x2 - x1 + 1) * (y2 - y1 + 1)
order = scores.argsort()[::-1]
keep = []
while order.size > 0:
i = order[0]
keep.append(i)
xx1 = np.maximum(x1[i], x1[order[1:]])
yy1 = np.maximum(y1[i], y1[order[1:]])
xx2 = np.minimum(x2[i], x2[order[1:]])
yy2 = np.minimum(y2[i], y2[order[1:]])
inter = np.maximun(0.0, xx2 - xx1 + 1) * np.maximum(0.0, yy2 - yy1 + 1)
iou = inter / (areas[i] + areas[order[1:]] - inter)
indexs = np.where(iou <= threshold)[0]
order = order[indexs + 1]
return keep