重定位非极大值抑制算法

非极大值抑制(Non-Maximum Suppression,NMS)算法作为目标检测任务的后处理算法,其作用是从候选框集合中选出最优边界框并抑制其他候选框.传统NMS算法选取类别置信度最高的候选框作为最优边界框,忽略了类别置信度与定位精度之间的相关性,类别置信度高并不意味着该框的定位精度高.为了解决以上问题,提出一种新的重定位非极大值抑制(Relocation Non-Maximum Suppression,R-NMS)算法.选择类别置信度得分最高的候选框作为最优边界框,利用R-NMS算法提出的一种边界框距离度量方法替代交并比衡量边界框之间的距离.然后,获取最优边界框周围候选框的位置信息,利用位置信息对最优边界框执行重定位操作从而得到新的最优边界框.采用PASCAL VOC2012数据集进行测试,实验结果表明,与传统算法NMS和Soft-NMS相比,R-NMS算法在目标检测器YOLOv3上的mAP分别提高0.7％、0.5％,R-NMS算法在Faster-RCNN上的mAP达到80.83％.该算法能够有效提高目标检测器的检测精度.