【深度学习】非极大抑制算法 及python代码

非极大抑制算法NMS
NMS的目的是，消除多余的框，只保留最佳预测框。原理在这里不详细讲啦，没有什么很多数学公式，列举一下大概步骤：
对所有预测框按置信度进行排序找出分数最高的检测框Bmax遍历其他框，计算当前与Bmax的重叠面积如果重叠面积大于设定的阈值，则剔除继续对未处理过的预测框进行排序重复第1到5步…
搬了b站一大佬的代码，并写上了注释，有需要自取~
def nms(boxes, num_classes, conf_thres=0.5, nms_thres=0.4):
#boxes: 检测的boxes及scores，维度(batch_size, all_boxes, 4+1+num_classes)
#num_classes: 类别的数量
#conf_thres: 预测框的阈值, nms_thres: 极大值抑制的阈值

#取batch size
bs = np.shape(b

【深度学习】非极大抑制算法 及python代码最先出现在Python成神之路。