位置: IT常识 - 正文

Pytorch机器学习(八)—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进(pytorch如何学)

编辑:rootadmin
Pytorch机器学习(八)—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进 Pytorch机器学习(八)—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进

目录

Pytorch机器学习(八)—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进

前言

一、NMS非极大值抑制算法

二、Hard-NMS非极大值代码

三、DIOU-NMS

 四、soft-NMS

前言

推荐整理分享Pytorch机器学习(八)—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进(pytorch如何学),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:pytorch如何学,pytorch learning rate,pytorch如何学,pytorch metric learning,pytorch learning rate,pytorch learning rate,pytorch metric learning,pytorch metric learning,内容如对您有帮助,希望把文章链接给更多的朋友!

在目标检测的预测阶段时,会输出许多候选的anchor box,其中有很多是明显重叠的预测边界框都围绕着同一个目标,这时候我就可以使用NMS来合并同一目标的类似边界框,或者说是保留这些边界框中最好的一个。

如果对IOU等知识不了解的可以看我上篇博客Pytorch机器学习(五)——目标检测中的损失函数(l2,IOU,GIOU,DIOU, CIOU)

一、NMS非极大值抑制算法

我们先看一下NMS的直观理解,左图为两个ground truth的bbox,右图为我自己模拟网络输出的预测框。

 而下图则是我使用Pytorch官方提供的NMS实现的非极大值抑制,可以看到经过NMS后预测框保留了效果最好的,去除了冗余的预测框。

 

 下面来讲讲NMS算法的流程,其实也是十分简单的

        一.从所有候选框中选取置信度最高的预测边界框B1作为基准,然后将所有与B1的IOU超过预定阈值的其他边界框移除。

(这时所有边界框中B1为置信度最高的边界框且没有和其太过相似的边界框——非极大值置信度的边界框被抑制了)

        二.从所有候选框中选取置信度第二高的边界框B2作为一个基准,将所有与B2的IOU超过预定阈值的其他边界框移除。

        三.重复上述操作,直到所有预测框都被当做基准——这时候没有一对边界框过于相似

二、Hard-NMS非极大值代码Pytorch机器学习(八)—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进(pytorch如何学)

在YOLOV5的源码当中,作者是直接调用了Pytorch官方的NMS的API

在general.py中的non_max_suppression函数中

"""其中boxes为Nx4的tensor,N为框的数量,4则为x1 y1 x2 y2socres为N维的tensor,表示每个框的置信度iou_thres则为上面算法中的IOU阈值返回值为一个去除了过于相似框后的,根据置信度降序排列的列表,我们就可以根据此列表输出预测框"""i = torchvision.ops.nms(boxes, scores, iou_thres) # NMS

为了便于后续其他NMS的改进,这里我们也自己写一个NMS算法,这里借鉴了沐神的代码b站链接,大家可以直接在YOLOV5中把上面的torchvision.ops.nms更改为下面的NMS函数

def NMS(boxes, scores, iou_thres, GIoU=False, DIoU=False, CIoU=False): """ :param boxes: (Tensor[N, 4])): are expected to be in ``(x1, y1, x2, y2) :param scores: (Tensor[N]): scores for each one of the boxes :param iou_thres: discards all overlapping boxes with IoU > iou_threshold :return:keep (Tensor): int64 tensor with the indices of the elements that have been kept by NMS, sorted in decreasing order of scores """ # 按conf从大到小排序 B = torch.argsort(scores, dim=-1, descending=True) keep = [] while B.numel() > 0: # 取出置信度最高的 index = B[0] keep.append(index) if B.numel() == 1: break # 计算iou,根据需求可选择GIOU,DIOU,CIOU iou = bbox_iou(boxes[index, :], boxes[B[1:], :], GIoU=GIoU, DIoU=DIoU, CIoU=CIoU) # 找到符合阈值的下标 inds = torch.nonzero(iou <= iou_thres).reshape(-1) B = B[inds + 1] return torch.tensor(keep)

这里的计算IOU的函数——bbox_iou则是直接引用了YOLOV5中的代码,其简洁的集成了对与GIOU,DIOU,CIOU的计算。

def bbox_iou(box1, box2, x1y1x2y2=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-9): # Returns the IoU of box1 to box2. box1 is 4, box2 is nx4 box2 = box2.T # Get the coordinates of bounding boxes if x1y1x2y2: # x1, y1, x2, y2 = box1 b1_x1, b1_y1, b1_x2, b1_y2 = box1[0], box1[1], box1[2], box1[3] b2_x1, b2_y1, b2_x2, b2_y2 = box2[0], box2[1], box2[2], box2[3] else: # transform from xywh to xyxy b1_x1, b1_x2 = box1[0] - box1[2] / 2, box1[0] + box1[2] / 2 b1_y1, b1_y2 = box1[1] - box1[3] / 2, box1[1] + box1[3] / 2 b2_x1, b2_x2 = box2[0] - box2[2] / 2, box2[0] + box2[2] / 2 b2_y1, b2_y2 = box2[1] - box2[3] / 2, box2[1] + box2[3] / 2 # Intersection area inter = (torch.min(b1_x2, b2_x2) - torch.max(b1_x1, b2_x1)).clamp(0) * \ (torch.min(b1_y2, b2_y2) - torch.max(b1_y1, b2_y1)).clamp(0) # Union Area w1, h1 = b1_x2 - b1_x1, b1_y2 - b1_y1 + eps w2, h2 = b2_x2 - b2_x1, b2_y2 - b2_y1 + eps union = w1 * h1 + w2 * h2 - inter + eps iou = inter / union if GIoU or DIoU or CIoU: cw = torch.max(b1_x2, b2_x2) - torch.min(b1_x1, b2_x1) # convex (smallest enclosing box) width ch = torch.max(b1_y2, b2_y2) - torch.min(b1_y1, b2_y1) # convex height if CIoU or DIoU: # Distance or Complete IoU https://arxiv.org/abs/1911.08287v1 c2 = cw ** 2 + ch ** 2 + eps # convex diagonal squared rho2 = ((b2_x1 + b2_x2 - b1_x1 - b1_x2) ** 2 + (b2_y1 + b2_y2 - b1_y1 - b1_y2) ** 2) / 4 # center distance squared if DIoU: return iou - rho2 / c2 # DIoU elif CIoU: # https://github.com/Zzh-tju/DIoU-SSD-pytorch/blob/master/utils/box/box_utils.py#L47 v = (4 / math.pi ** 2) * torch.pow(torch.atan(w2 / h2) - torch.atan(w1 / h1), 2) with torch.no_grad(): alpha = v / ((1 + eps) - iou + v) return iou - (rho2 / c2 + v * alpha) # CIoU else: # GIoU https://arxiv.org/pdf/1902.09630.pdf c_area = cw * ch + eps # convex area return iou - (c_area - union) / c_area # GIoU else: return iou # IoU三、DIOU-NMS

其实DIOU-NMS就是把我上面说的NMS算法中的IOU阈值改为DIOU,将NMS代码中的DIOU设置为True即可。

根据DIOU的论文,如果只是单纯的使用NMS,即是使用IOU作为阈值去筛掉其他预测框时,当两个物体过于接近时,很有可能另外一个物体的预测框就被滤除了。

就像下图中的摩托。使用DIOU-NMS可以一定程度上提升对于靠近的物体的检测。

 四、soft-NMS

网上还有一种soft-NMS的算法,其思想就是传统的NMS,如果只通过IOU值就将其他的框直接去掉,有可能会不妥,于是就引入了soft-NMS。

具体流程就是我们把NMS算法中去除其他边界框改成,修改其他边界框的置信度。

以下引一个博主的图

 其中的f()函数,现在都是使用的高斯函数

si即为置信度,M为当前最大置信度的边界框,bi为其他边界框

网上对此的效果看法也是褒贬不一,我自己也没有试过,但从直觉来说,我个人觉得效果不会有很大的提升,如果感兴趣的可以自己试一试。

本文链接地址:https://www.jiuchutong.com/zhishi/293071.html 转载请保留说明!

上一篇:浏览器:跨域及解决方法(前端解决浏览器跨域问题)

下一篇:网站百度统计被恶意刷广告的处理方法(百度统计网址)

  • 抖音ip属地怎么关闭(抖音ip属地怎么隐藏不了)

    抖音ip属地怎么关闭(抖音ip属地怎么隐藏不了)

  • WIN 10系统隐藏任务栏图标的方法是什么(win10系统隐藏任务栏图标)

    WIN 10系统隐藏任务栏图标的方法是什么(win10系统隐藏任务栏图标)

  • 苹果xs的64g够用吗

    苹果xs的64g够用吗

  • ipad短信有个感叹号(ipad2020短信有个感叹号)

    ipad短信有个感叹号(ipad2020短信有个感叹号)

  • 微信商家收款码限额吗(微信商家收款码收费标准2023)

    微信商家收款码限额吗(微信商家收款码收费标准2023)

  • 设备链路聚合支持哪些模式(链路聚合器)

    设备链路聚合支持哪些模式(链路聚合器)

  • 路由器上网账号和口令是什么(路由器上网账号是什么)

    路由器上网账号和口令是什么(路由器上网账号是什么)

  • 华为通话记录保存多久(华为通话记录保存在哪里)

    华为通话记录保存多久(华为通话记录保存在哪里)

  • 微星主板cpu灯亮白灯(微星主板cpu灯亮白灯是什么意思)

    微星主板cpu灯亮白灯(微星主板cpu灯亮白灯是什么意思)

  • 美版苹果跟国行的区别(美版苹果跟国行怎么区分)

    美版苹果跟国行的区别(美版苹果跟国行怎么区分)

  • 快手亲密值怎么算(快手亲密值怎么上得快)

    快手亲密值怎么算(快手亲密值怎么上得快)

  • 为什么手机网络连接正常却上不了网(为什么手机网络总是断断续续的)

    为什么手机网络连接正常却上不了网(为什么手机网络总是断断续续的)

  • vivo手机怎么调锁屏时间(vivo手机怎么调空调温度)

    vivo手机怎么调锁屏时间(vivo手机怎么调空调温度)

  • 路由器重启后怎么办(路由器重启后怎么设置wifi密码)

    路由器重启后怎么办(路由器重启后怎么设置wifi密码)

  • 2019微信退群有提示吗(2020微信退群别人能看到吗)

    2019微信退群有提示吗(2020微信退群别人能看到吗)

  • ios13微信怎么深色模式(苹果13怎么把微信缩小)

    ios13微信怎么深色模式(苹果13怎么把微信缩小)

  • qq空间怎么关掉好友热播(qq空间怎么关掉此刻)

    qq空间怎么关掉好友热播(qq空间怎么关掉此刻)

  • a7r2和a7m2区别(索尼a7r2和a7m2区别)

    a7r2和a7m2区别(索尼a7r2和a7m2区别)

  • 钉钉上怎么看性别(钉钉如何查看性别)

    钉钉上怎么看性别(钉钉如何查看性别)

  • 夸克缓存视频怎么导出(夸克缓存视频怎么保存到手机相册)

    夸克缓存视频怎么导出(夸克缓存视频怎么保存到手机相册)

  • 华为测距功能(华为测距仪在哪里?)

    华为测距功能(华为测距仪在哪里?)

  • qq音乐取消续费(怎么确认qq音乐取消续费)

    qq音乐取消续费(怎么确认qq音乐取消续费)

  • 如何通过点赞查qq号码(如何通过点赞查手机号)

    如何通过点赞查qq号码(如何通过点赞查手机号)

  • Win11错误提示"the pc must support secure boot"怎么解决

    Win11错误提示"the pc must support secure boot"怎么解决

  • phpcms怎么安装模块(phpcms模板制作教程)

    phpcms怎么安装模块(phpcms模板制作教程)

  • 什么是应交增值税
  • 公司账户短期理财收益要交税吗
  • 促销费用计入销售费用哪个科目
  • 服务行业人工费计入什么科目
  • 普通发票被作废的话财务会发现吗
  • 综合年度自行申报后要怎么操作
  • 贸易公司成本核算不准确的后果
  • 企业所得税税收优惠政策
  • 嵌入式软件产品增值税即征即退
  • 企业购买原材料,货款未支付
  • 电力公司安装变压器要多少钱
  • 电子增值普通发票经营范围呢免费吗
  • 免抵税额计入什么科目
  • 6月实施的新政有哪些?
  • 应付职工薪酬包括公积金吗
  • 房地产企业开发资质等级
  • 物流车辆挂靠账务怎么处理?
  • 投资利润率的计算结果不受建设期的长短
  • 资产处置收益属于其他收益吗
  • 固定资产 盘点
  • 2019一般纳税人转小规模
  • 现金清偿债务怎么算
  • 收到银行存款利息记账凭证怎么写
  • 工业企业增值税负率一般控制在多少
  • 临时设施是租入还是租入
  • 往来账乱如何处理
  • 公司银行贷款能贷多少
  • 微软汽车
  • 如何永久关闭win10系统更新
  • PHP:spl_autoload_call()的用法_spl函数
  • 每月分配利润如何做账
  • linux递归创建目录命令
  • vue数据实时更新
  • 迷迭香怎么养殖方法
  • 小茴香的栽培技术
  • 怎么做外资企业赚钱
  • 手工帐应交税费明细账
  • 命令行查看ip地址
  • 分包工程的账务处理
  • 饭店的手撕发票可以报销吗
  • 单位发放购物卡违法吗
  • es6的class类如何实现继承
  • php的运算符主要包括哪些?
  • 上个月的票这个月作废后报增值税需不需要交费?
  • 一般户可以转账给员工报销吗
  • sqlserver数据类型转换函数
  • 企业基金分红具体流程
  • 劳务分包的三种形式
  • 利润计算公式是什么折扣
  • 委托银行贷款利息发票谁提供
  • 交强险必须要买嘛
  • 利润表的税金及附加怎么得出来
  • 电脑配件入账
  • 坏账确认无法收回
  • 模具报价成本核算方法
  • 会计处理的相关知识点
  • 网店会计做些什么
  • 什么叫进项税率
  • 计提坏账准备的会计分录
  • 固定资产清理包括什么会计科目
  • sqlserver数据导出导入脚本
  • fedora安装apt
  • 输入法不显示怎么处理
  • 物联网1.0 2.0 3.0
  • win8引导盘
  • win7架设ftp服务器
  • win8 metro启动界面
  • PHPMyAdmin 2.7.0-pl1下载
  • linux怎么在桌面创建文件
  • wow血条插件
  • 使用一串代码
  • linux中的shell命令
  • unity+
  • 欢迎使用微信支付
  • nodejs基础
  • jquery22插件网
  • 数字图像处理期末考试
  • js function.call
  • socket客户端发送数据
  • 用持久的喷剂有副作用吗
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设