微商城网站制作营销技巧和话术

YOLOv2 中 NMS 的详解

一、什么是 NMS？

🧠 定义：

NMS（非极大值抑制）是一种目标检测中的后处理技术，用于去除重复预测的边界框，保留置信度最高且不重叠的边界框。

🎯 目标：

• 提高检测结果的准确性；
• 避免同一物体被多次检测；
• 减少误检和冗余框；

---

二、YOLOv1 中的 NMS 实现

📌 来源依据：

来自 You Only Look Once: Unified, Real-Time Object Detection (CVPR 2016)

🔍 输出结构回顾：

YOLOv1 输出为一个 7×7×30 的张量：

• 每个 grid cell 输出 2 个 bounding box；
• 每个 bounding box 包含 (x, y, w, h, confidence)；
• 后接 20 个类别的概率（PASCAL VOC）；

⚙️ NMS 执行流程（根据论文描述 + Darknet 实现）：

1. 按类别执行 NMS

   • 对每个类别分别执行 NMS；
   • 即：只在同一类别的预测框之间比较 IoU；

2. 筛选该类别的所有预测框

class_boxes = [box for box in all_boxes if box.class_id == class_id]

3. 按 confidence 排序

class_boxes.sort(key=lambda x: x.confidence_score, reverse=True)

4. 依次选择最大 confidence 的框，并删除与其高度重叠的其他框

keep_boxes = []
while len(class_boxes) > 0:highest_conf_box = class_boxes.pop(0)keep_boxes.append(highest_conf_box)class_boxes = [box for box in class_boxesif iou(box, highest_conf_box) < iou_threshold]

常用阈值：iou_threshold = 0.5

---

✅ YOLOv1 NMS 的特点总结：

特点	说明
按类别执行	不同类别的框不会相互干扰
使用 confidence 排序	只使用 bounding box 的 confidence 分数
每个网格预测两个框	框的数量有限，召回率较低
简单高效	在 CPU 上也能运行良好
效果一般	对密集目标或小目标效果较差

---

三、YOLOv2 中的 NMS 实现

📌 来源依据：

来自 YOLO9000: Better, Faster, Stronger (CVPR 2017)

🔍 输出结构回顾：

YOLOv2 输出为一个 13×13×(B × 5 + C) 张量：

• 每个 grid cell 预测 B=5 个 anchor boxes；
• 每个 bounding box 包含 (tx, ty, tw, th, confidence)；
• 类别概率为 C 个（COCO 为 80）；
• 每个 anchor box 还包含对应的宽高偏移（基于聚类 anchors）；

---

⚙️ YOLOv2 NMS 的执行流程（基于 Darknet 实现）：

Step 1: 计算每个 bounding box 的综合得分（score）

不同于 YOLOv1，YOLOv2 在排序时使用的是：

$$\text{score}=\text{confidence}\times \max (\text{class probabilities})$$

即：

• 表示“这个框有多大概率是一个物体” × “它属于某个类别的概率”

for box in all_boxes:box.score = box.confidence * max(box.class_probs)

Step 2: 按 score 排序

all_boxes.sort(key=lambda x: x.score, reverse=True)

Step 3: 执行 NMS

keep_boxes = []while len(all_boxes) > 0:highest_score_box = all_boxes.pop(0)keep_boxes.append(highest_score_box)all_boxes = [box for box in all_boxesif iou(box, highest_score_box) < iou_threshold]

---

✅ YOLOv2 NMS 的特点总结：

特点	说明
综合 score 排序	使用 confidence × class probability，提升排序合理性
更多 anchor boxes	每个 grid cell 预测 5 个框，提高召回率
支持 Soft-NMS	Darknet 后续版本支持软抑制（非官方）
多尺度训练适配	对不同大小目标的鲁棒性更强
Anchor Boxes 支持	anchor 是通过 K-Means 聚类获得的预设框

---

四、YOLOv1 与 YOLOv2 NMS 的核心差异对比（基于论文与 Darknet 实现）

对比维度	YOLOv1	YOLOv2
是否使用 Anchor Boxes	❌ 不使用	✅ 使用 K-Means 聚类 anchor
排序依据	confidence	confidence × max(class_probs)
是否按类别执行	✅ 是	✅ 是（默认）
每个 grid cell 预测框数量	2	5
是否支持 Soft-NMS	❌ 不支持	✅ 支持（Darknet 后续实现）
是否支持 DIoU-NMS	❌ 不支持	✅ 支持（可通过修改实现）
小目标检测能力	较差	明显提升
多尺度训练支持	❌ 不支持	✅ 支持输入尺寸随机变化
NMS 应用位置	检测头输出后	检测头输出后（同 YOLOv1）

---

五、YOLOv1 / YOLOv2 中 NMS 的 PyTorch 示例代码（简化版）

✅ YOLOv1 NMS 示例（伪代码）：

def nms_yolov1(boxes, confidences, iou_threshold=0.5):# 按置信度排序indices = np.argsort(confidences)[::-1]keep = []while len(indices) > 0:best_idx = indices[0]keep.append(best_idx)# 计算 IoUious = [iou(boxes[best_idx], boxes[i]) for i in indices[1:]]indices = indices[1:][np.array(ious) < iou_threshold]return keep

---

✅ YOLOv2 NMS 示例（伪代码）：

def nms_yolov2(boxes, scores, iou_threshold=0.5):# 按综合分数排序（confidence × class prob）indices = np.argsort(scores)[::-1]keep = []while len(indices) > 0:best_idx = indices[0]keep.append(best_idx)# 计算 IoUious = [iou(boxes[best_idx], boxes[i]) for i in indices[1:]]indices = indices[1:][np.array(ious) < iou_threshold]return keep

---

六、YOLOv1 / YOLOv2 中 NMS 的实际表现对比（来源：YOLO 官方文档 & Darknet 实现）

模型	mAP@COCO	FPS	NMS 类型	NMS 输入方式
YOLOv1	~63.4	45 fps	IoU-NMS	confidence 排序
YOLOv2	~76.8	67 fps	IoU-NMS（可扩展为 Soft/DIoU）	confidence × class_prob 排序

---

七、YOLOv2 中 NMS 的改进意义

虽然 YOLOv2 并未在论文中明确提出新的 NMS 方法，但在实践中：

• 引入了 Anchor Boxes：使得预测框更合理，提高召回率；
• 综合 score 排序：提升了排序的合理性；
• 支持更多框预测：从每格 2 个框增加到 5 个框，提高了覆盖范围；
• 配合多尺度训练：增强了模型对不同大小目标的适应性；

这些变化间接使 NMS 的效果显著优于 YOLOv1。

---

八、结语

模块	内容
YOLOv1 的 NMS	按类别执行，仅使用 confidence 排序
YOLOv2 的 NMS	使用 confidence × class prob 排序，anchor 框提升召回
区别总结	YOLOv2 的 NMS 更加合理，结合 anchor boxes 提升整体性能
现实意义	NMS 是目标检测不可或缺的一环，YOLOv2 的改进是后续版本的基础

---

📌 欢迎点赞 + 收藏 + 关注我，我会持续更新更多关于计算机视觉、目标检测、深度学习、YOLO系列等内容！