本文主要是介绍每天五分钟计算机视觉：使用极大值抑制来寻找最优的目标检测对象，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本文重点
在目标检测领域，当模型预测出多个候选框（bounding boxes）时，我们需要一种方法来确定哪些候选框最有可能表示真实的目标。由于模型的不完美性和图像中目标的重叠性，往往会有多个候选框对应于同一个目标。此时，极大值抑制（Non-Maximum Suppression，NMS）技术就显得尤为重要。
目标检测算法
使用19*19的网络对图片进行处理
首先我们应该知道，一个目标对象应该只有一个中心点，所以即使19*19的格子比较密集，那么这个中心点也应该在某一个小格子中。所以当我们传入神经网络一个未知的样本的时候，理论上应该只有一个格子做出有车的预测y=1。但是实际上一辆车上有可能多个格子都会预测出有车y=1，比如：
首先这个 19×19 网格上执行一下算法，你会得到 19×19*5的输出尺寸。每一个输出结果为：
这篇关于每天五分钟计算机视觉：使用极大值抑制来寻找最优的目标检测对象的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
