nms实现
# 定义一个nms函数
def nms(dets, thresh):
'''
input:
dets: dets是(n,5)的ndarray,第0维度的每个元素代码一个框:[x1, y1, x2, y2, score]
thresh: float
output:
index
'''
x1 = dets[:, 0] # dets:(n,5) x1:(n,) dets是ndarray, x1是ndarray
y1 = dets[:, 1]
x2 = dets[:, 2]
y2 = dets[:, 3]
scores = dets[:, 4] # scores是ndarray
# 每一个候选框的面积
areas = (x2 - x1 + 1) * (y2 - y1 + 1) # areas:(n,)
# order是按照score降序排序的
order = scores.argsort()[::-1] # order:(n,) 降序下标 order是ndarray
keep = []
while order.size > 0:
i = order[0] # i 是当下分数最高的框的下标
# print(i)
keep.append(i)
# 计算当前概率最大矩形框与其他矩形框的相交框的坐标,会用到numpy的broadcast机制,得到的是向量
# 当order只有一个值的时候,order[1]会报错说index out of range,而order[1:]会是[],不报错,[]也可以作为x1的索引,x1[[]]为[]
xx1 = np.maximum(x1[i], x1[order[1:]]) # xx1:(n-1,)的ndarray x1[i]:numpy_64浮点数一个,x1[order[1:]]是个ndarray,可以是空的ndarray,如果是空ndarray那么xx1为空ndarray,如果非空,那么x1[order[1:]]有多少个元素,xx1就是有多少个元素的ndarray。x1[]是不是ndarray看中括号内的是不是ndarray,看中括号内的是不是ndarray看中括号内的order[]的中括号内有没有冒号,有冒号的是ndarray,没有的是一个数。
yy1 = np.maximum(y1[i], y1[order[1:]])
xx2 = np.minimum(x2[i], x2[order[1:]])
yy2 = np.minimum(y2[i], y2[order[1:]])
# 计算相交框的面积,注意矩形框不相交时w或h算出来会是负数,用0代替
w = np.maximum(0.0, xx2 - xx1 + 1) # xx2-xx1是(n-1,)的ndarray,w是(n-1,)的ndarray, n会逐渐减小至1
# 当xx2和xx1是空的,那w是空的
h = np.maximum(0.0, yy2 - yy1 + 1)
inter = w * h # inter是(n,)的ndarray
# 当w和h是空的,inter是空的
# 计算重叠度IOU:重叠面积/(面积1+面积2-重叠面积)
eps = np.finfo(areas.dtype).eps # 除法考虑分母为0的情况,np.finfo(dtype).eps,np.finfo(dtype)是个类,它封装了机器极限浮点类型的数,比如eps,episilon的缩写,表示小正数。
ovr = inter / np.maximum(eps, areas[i] + areas[order[1:]] - inter) # n-1 #一旦(面积1+面积2-重叠面积)为0,就用eps进行替换
# 当inter为空,areas[i]无论inter空不空都是有值的,那么ovr也为空
# 找到重叠度不高于阈值的矩形框索引
inds = np.where(ovr <= thresh)[0]
# 当ovr为空, inds为空
# 将order序列更新,由于前面得到的矩形框索引要比矩形框在原order序列中的索引小1,所以要把这个1加回来
order = order[inds + 1]
# 当inds为空,原来的order不为空,那么索引后的order为空
print("order:{}".format(order))
return keep
import numpy as np
import cv2
# 读入图片,录入原始框([x1, y1, x2, y2, score])
image = cv2.imread('w.jpg')
boxes = np.array([[5, 52, 171, 270, 0.9999],
[13, 1, 179, 268, 0.9998],
[20, 7, 176, 262, 0.8998],
[7, 5, 169, 272, 0.9687],
[3, 43, 162, 256, 0.9786],
[10, 56, 167, 266, 0.8988]])
# 将框绘制在图像上
image_for_nms_box = image.copy()
for box in boxes:
x1, y1, x2, y2, score = int(box[0]), int(box[1]), int(box[2]), int(box[3]), box[4] # x:col y:row
image_for_nms_box = cv2.rectangle(image_for_nms_box, (x1, y1), (x2, y2), (0,255,0), 2)
cv2.imwrite("w_all_boxes.jpg", image_for_nms_box)
cv2.imshow('w_all_boxes', image_for_nms_box)
# 使用nms对框进行筛选
keep = nms(boxes, thresh=0.2) # 0.2可以,0.9有很多框存留,因为iou小于thresh才能存留,当设定的thresh过大,存留下来的框就多
nms_boxs = boxes[keep]
# 将筛选过后的框绘制在图像上
image_for_nms_box = image.copy()
for box in nms_boxs:
x1, y1, x2, y2, score = int(box[0]), int(box[1]), int(box[2]), int(box[3]), box[4] # x:col y:row
image_for_nms_box = cv2.rectangle(image_for_nms_box, (x1, y1), (x2, y2), (0,255,0), 2)
cv2.imwrite("w_nms.jpg", image_for_nms_box)
cv2.imshow('w_nms', image_for_nms_box)
cv2.waitKey()
cv2.destroyAllWindows()
nms前后效果图
before: after:
nms存在的问题
如果两个物体 的iou很大,那么网络生成的关于这两个物体的bboxes的iou也很大。nms的做法是,假设第一个物体的某个bbox分数最高,那么这个物体被记录下来,计算它跟其他bbox的iou,如果iou大于某个阈值就把对应的bbox剔除,而跟这个物体的iou很大的物体的bbox就会被剔除掉,也就是上图出现的明明有两个物体,经过nms后只剩下一个bbox的原因。
soft_nms原理
nms的原理可以表示为以下公式:
s
i
=
s
i
?
i
f
?
i
o
u
<
t
h
r
e
s
h
,
e
l
s
e
?
0
s_i=s_i\ if\ iou<thresh, else\ 0
si?=si??if?iou<thresh,else?0
s
i
s_i
si?代表第i个bbox的分数。 分数粗暴地由iou和thresh决定,当iou很大时直接置为0。 有人提出了soft_max,用于解决nms中两个物体iou很大导致的漏检问题,原理可以表示为以下公式:
s
i
=
s
i
?
e
?
i
o
u
2
/
σ
s_i = s_i * e^{-iou^2/\sigma}
si?=si??e?iou2/σ 这样分数由分数本身和iou共同决定,当iou很大时,分数并不会直接置为0,因为
e
?
x
e^{-x}
e?x是单调递减,极限为0的函数,当x趋于正无穷大的时候才趋于0,本身不会等于0。另外,这个公式还有
s
i
s_i
si?作为系数。 同时,它也保留了nms的优点,当两个物体的iou为0是,相互没有影响,因为
e
0
e^0
e0为1,
s
i
=
s
i
s_i=s_i
si?=si?。另外,当两个物体越靠近,iou越大,惩罚越大,
s
i
s_i
si?越小,这是由于
e
?
x
e^{-x}
e?x单调递减的性质决定的。 得到了重新赋值的分数,人为设定一个阈值,当分数低于这个阈值,对应的bbox就被剔除,这就是soft_nms。 举个例子,比如上图,物体1 和物体2周围都有很多围绕着各自的框,假设物体1的某个框分数最高,那么这个框被记录。物体1周围的其他框跟这个被记录的框iou比物体2周围的框跟这个被记录的框iou大,所以惩罚更大,
s
i
s_i
si?越小,并且由于小于阈值,所以被剔除掉了,(这一步可以在代码里打印出来,每次迭代的最后打印被保留下来的框的下标),那么接下来的迭代,一定是物体2周围本身分数最高的框被记录,然后物体2周围的其他框由于跟这个新的被记录的框的iou很大,被剔除掉了,所以最后剩下两个框。
soft_nms的优点
1,解决了物体挨得很近导致的漏检问题 2,需要增加的超参数很少,只增加了一个sigma,阈值nms本来也有,iou是算出来的 3,计算复杂度相对于nms没有增加,都是O(n^2),n是bboxes的数量。
soft_nms实现
import numpy as np
# 定义一个nms函数
def soft_nms(dets, thresh=0.3, sigma=0.5): # score大于thresh的才能存留下来,当设定的thresh过低,存留下来的框就很多,所以要根据实际情况调参
'''
input:
dets: dets是(n,5)的ndarray,第0维度的每个元素代码一个框:[x1, y1, x2, y2, score]
thresh: float
sigma: flaot
output:
index
'''
x1 = dets[:, 0] # dets:(n,5) x1:(n,) dets是ndarray, x1是ndarray
y1 = dets[:, 1]
x2 = dets[:, 2]
y2 = dets[:, 3]
scores = dets[:, 4] # scores是ndarray
# 每一个候选框的面积
areas = (x2 - x1 + 1) * (y2 - y1 + 1) # areas:(n,)
# order是按照score降序排序的
order = scores.argsort()[::-1] # order:(n,) 降序下标 order是ndarray
keep = []
while order.size > 0:
i = order[0] # i 是当下分数最高的框的下标
# print(i)
keep.append(i)
# 计算当前概率最大矩形框与其他矩形框的相交框的坐标,会用到numpy的broadcast机制,得到的是向量
# 当order只有一个值的时候,order[1]会报错说index out of range,而order[1:]会是[],不报错,[]也可以作为x1的索引,x1[[]]为[]
xx1 = np.maximum(x1[i], x1[order[1:]]) # xx1:(n-1,)的ndarray x1[i]:numpy_64浮点数一个,x1[order[1:]]是个ndarray,可以是空的ndarray,如果是空ndarray那么xx1为空ndarray,如果非空,那么x1[order[1:]]有多少个元素,xx1就是有多少个元素的ndarray。x1[]是不是ndarray看中括号内的是不是ndarray,看中括号内的是不是ndarray看中括号内的order[]的中括号内有没有冒号,有冒号的是ndarray,没有的是一个数。
yy1 = np.maximum(y1[i], y1[order[1:]])
xx2 = np.minimum(x2[i], x2[order[1:]])
yy2 = np.minimum(y2[i], y2[order[1:]])
# 计算相交框的面积,注意矩形框不相交时w或h算出来会是负数,用0代替
w = np.maximum(0.0, xx2 - xx1 + 1) # xx2-xx1是(n-1,)的ndarray,w是(n-1,)的ndarray, n会逐渐减小至1
# 当xx2和xx1是空的,那w是空的
h = np.maximum(0.0, yy2 - yy1 + 1)
inter = w * h # inter是(n,)的ndarray
# 当w和h是空的,inter是空的
# 计算重叠度IOU:重叠面积/(面积1+面积2-重叠面积)
eps = np.finfo(areas.dtype).eps # 除法考虑分母为0的情况,np.finfo(dtype).eps,np.finfo(dtype)是个类,它封装了机器极限浮点类型的数,比如eps,episilon的缩写,表示小正数。
ovr = inter / np.maximum(eps, areas[i] + areas[order[1:]] - inter) # n-1 #一旦(面积1+面积2-重叠面积)为0,就用eps进行替换
# 当inter为空,areas[i]无论inter空不空都是有值的,那么ovr也为空
# 更新分数
weight = np.exp(-ovr*ovr/sigma)
scores[order[1:]] *= weight
# 更新order
score_order = scores[order[1:]].argsort()[::-1] + 1
order = order[score_order]
keep_ids = np.where(scores[order]>thresh)[0]
order = order[keep_ids]
return keep
import numpy as np
import cv2
# 读入图片,录入原始人框([x1, y1, x2, y2, score])
image = cv2.imread('w.jpg')
boxes = np.array([[5, 52, 171, 270, 0.9999],
[13, 1, 179, 268, 0.9998],
[20, 7, 176, 262, 0.8998],
[7, 5, 169, 272, 0.9687],
[3, 43, 162, 256, 0.9786],
[10, 56, 167, 266, 0.8988]])
# 将框绘制在图像上
image_for_nms_box = image.copy()
for box in boxes:
x1, y1, x2, y2, score = int(box[0]), int(box[1]), int(box[2]), int(box[3]), box[4] # x:col y:row
image_for_nms_box = cv2.rectangle(image_for_nms_box, (x1, y1), (x2, y2), (0,255,0), 2)
cv2.imwrite("w_all.jpg", image_for_nms_box)
cv2.imshow('w_all', image_for_nms_box)
# 使用soft_nms对框进行筛选
keep = soft_nms(boxes)
soft_nms_boxs = boxes[keep]
# 将筛选过后的框绘制在图像上
image_for_nms_box = image.copy()
for box in soft_nms_boxs:
x1, y1, x2, y2, score = int(box[0]), int(box[1]), int(box[2]), int(box[3]), box[4]
image_for_nms_box = cv2.rectangle(image_for_nms_box, (x1, y1), (x2, y2), (0,255,0), 2)
# Syntax: cv2.imwrite(filename, image)
cv2.imwrite("w_soft_nms.jpg", image_for_nms_box)
cv2.imshow('w_soft_nms', image_for_nms_box)
cv2.waitKey()
cv2.destroyAllWindows()
soft_nms前后对比图
before: after:
nms和soft_nms效果对比图
nms: soft_nms
原图
|