检测到的 Windows MATLAB 上的非极大值抑制

Posted 2023-02-14

【中文标题】检测到的 Windows MATLAB 上的非极大值抑制

【英文标题】：Non-Maximum Suppression on Detected Windows MATLAB

【发布时间】：2014-12-28 18:10:01

【问题描述】：

我目前正在检测闭路电视图像中的头像。我正在使用 HOG 检测器 + SVM，并且我正在使用滑动窗口技术来检测磁头。当然，当我缩放图像时，我有同一个头部的多个检测/边界框。我知道我必须使用非极大值抑制来选择其中最好的一个，并且我尝试按照以下链接进行操作： http://quantombone.blogspot.com/2011/08/blazing-fast-nmsm-from-exemplar-svm.html

但是，我不明白如何获得每个滑动窗口的分数。有人可以向我解释一下吗？ 换句话说，我有边界框 pts 并且我知道我必须设置 0.5 的重叠，但我没有每个边界框的分数。

【问题讨论】：

我想这是分类器给出的预测分数。对于 SVM，如果您使用 LibSVM，则该分数可能是它输出的概率估计。分数是对象（例如汽车）包含在该框中的概率。

谁在检测 Windows MATLAB，为什么会被抑制，这与 Linux MATLAB 或 Mac MATLAB 有何不同？ （看起来“MATLAB”这个词在你的标题中很不合适）

@ParagS.Chandakkar 是的，在做了一些很好的研究之后我同意你的观点，事实上我使用参数'b 1'来输出概率。但是，当在控制台上输出概率时，我注意到对于每个预测，给出了 2 个概率而不是 1。我可以和你一起解决这个问题吗？非常感谢

有两种可能性。一个用于 0 级，另一个用于 1 级。两者的总和为 1。你可以检查一下。

太棒了，我有 2 个类 +1 和 -1 分别代表一个头和一个非头。那么关于NMS的分数，我应该选择哪个概率？感谢您的帮助@ParagS.Chandakkar

【参考方案1】：

实际上，对于非最大抑制，您不需要与每个边界框关联的分数。您可以使用著名的 Viola 和 Jones 的 NMS 方法（Boosted cascade of simple features）：

聚类所有相互重叠大于 0.5 的边界框 为每个集群计算平均边界框并将其输出（即计算所有右上角和所有右下角之间的平均点）

而且你有非最大抑制。

如果您仍想使用其他需要输出分数的例程，则只需为每个边界框分配相同的分数。

【讨论】：

我会尝试你告诉我的方式，并让你知道结果@dynamic

我尝试使用此链接中显示的 nms：quantombone.blogspot.com/2011/08/…，通过为每个边界框赋予相同的 1 分，但与小边界框相比，生成的框变得非常大，因此没有捕获头部，每个盒子都在捕捉头部+许多其他东西……有什么反馈吗？

@dynamic 你能定义重叠的含义以及聚类是如何进行的吗？

【参考方案2】：

您应该能够从 SVM 中获得分数。例如，如果您使用 Statistics Toolbox 中的 ClassificationECOC 类训练 SVM，则其 predict 方法可以返回分数。

然后你可以使用计算机视觉系统工具箱中的selectStrongestBbox函数来做非极大值抑制。

【讨论】：

很棒的@Dima，但是我试图使用以下链接中的 nms：quantombone.blogspot.com/2011/08/…

我还在 MATLAB 上将 HOG 功能与 libSVM 一起使用。我正在尝试通过使用上面评论链接中显示的 nms 来抑制不需要的 bbox

@user2541516 这个函数似乎做你想做的事。那你是不是只想自己实现NMS，如果是，那就继续吧。否则，我认为 selectStrongestBox 会做你想做的事。

非常感谢。就像在训练模型时出于好奇一样，负面图像有时会包含一半的正面图像。例如，在我的情况下，一些负面图像是否应该包含一半的头部和一半的背景？