GIoUGIoU的主要思想是引入将两个框的距离 。寻找能完全包围两个框的最小框(计算它的面积Ac) 。
文章插图
计算公式如下:
文章插图
当两个框完全不相交时 , 没有抑制的必要 。
当两个框存在一个大框完全包围一个小框时或大框与小框有些重合时 , GIoU的大小在(-1 , 1)之间 , 不太好用来作为NMS的阈值 。
GIoU的提出主要还是用于坐标回归的loss , 个人感觉用于NMS不合适 , CIoU也是如此 , 这里之所以提这个 , 是因为它与DIoU、CIoU一般都是放一起讲的 。
其它相关NMS为了避免阈值设置大小、目标太密集等问题 , 还有一些其他方法使用神经网络去实现NMS , 但并不常用 , 这里只提一笔 , 感兴趣的读者请自行了解 。如:
ConvNMS:A Convnet for Non-maximum Suppression
Pure NMS Network:Learning non-maximum suppression
Yes-Net: An effective Detector Based on Global Information
Fast NMS:https://github.com/dbolya/yolact
Cluster NMS:https://github.com/Zzh-tju/CIoU
Matrix NMS:https://github.com/WXinlong/SOLO
【一文打尽NMS技术】
推荐阅读
- 一文搞懂shell脚本
- 烫发|染发真的会致癌吗?染发和烫发哪个危害大?一文告诉你
- 一加|一加10T和一加10 Pro区别在哪?一文提前了解
- ARM|高通要用!一文了解ARMv9第二代Cortex核心:性能创新高
- 300块和3000块的眼镜,有啥区别?一文为你揭秘,涨知识了
- 一文读懂 Android 系统的源代码
- 微软|Win11 22000.778新版上线:一文了解更新详情
- 一文教你实现Spring动态启停定时任务
- 什么被誉为西方文明之源,被称为西方文明之源的是哪一文明-
- 微信|2022年高考分数线持续出炉:微信如何查分 一文看懂