物体检测中的加权框融合(WBF)与非极大值抑制(NMS)的比较

物体检测中的加权框融合(WBF)与非极大值抑制(NMS)的比较_第1张图片

后处理步骤是目标检测中一个琐碎但重要的组成部分。在本文中,当我们拥有多个对象检测模型的集合时,我们将展示加权框融合(WBF)相对于传统非极大值抑制(NMS)作为对象检测中后处理步骤的重要性。

对象检测模型通常使用非极大值抑制 (NMS) 作为默认后处理步骤来过滤掉冗余边界框。然而,这种方法无法有效地跨多个模型提供统一的平均预测,因为它们往往会删除具有显着重叠的不太置信的框。

为了缓解这个问题,我们将讨论一种称为加

你可能感兴趣的:(深度学习开发实践系列,目标跟踪,人工智能,计算机视觉,目标检测,机器学习)