在Rcnn中为啥使用IoU非极大值抑制?
见网址：NMS--非极大值抑制 - shuzfan的专栏 - 博客频道 - CSDN.NET
■网友
理解了问题的实质，和算法流程，答案就自己出来了。
问题背景
一张图里，有2辆车，10个regions; 任务是保留最优的2个regions,排除剩下的8个regions；算法，应该长什么样子呢？解决方案
NMS (non-maximum suppression)算法为框架，IoU(Intersection over Union)提供评估尺度IoU
计算两个region（两个方框）的重合度NMS
先找到车辆概率最高的region1；再计算所有车辆region与region1之间的IoU值；再设定一个阈值，比如0.7；抹去所有IoU值\u0026gt;=0.7的车辆region；这样一来，region1周边的（与region1高度重合的）车辆region都被排除了；留下的其他车辆region，大概率是其他车辆的region（方框）；repeat, 实现对另一个车辆方框region选择和排除。
视频解答，见
图解CNN论文：尝试用最少的数学读懂深度学习论文 p8 (视频审核中，请等待）
更多细节，见
深度碎片：吴恩达深度学习课程（全）：第一遍学习完结3.6 交集并集比 Intersection over union 课程 文本笔记
IOU算法的功用？预测的bounding box 与target bounding box的相似度3.7 非极大集抑制 Non-max suppression 课程 文本笔记
如何理解non-max suppression 算法？non-max suppression算法的运算步骤？抹去IOU\u0026gt;=0.5的boxes = 抹去最高pc值周边紧邻的boxes,不影响远处的车的boxes远处车的boxes选择与抹去，在下一轮loop循环中进行
■网友
你说的
(1) IOU是指两块proposal区域的IOU;
(2) 分数越大越说明可能是正案例;
是对的，但是原文意思是要去掉跟分数高的区域(a higher scoring selected region)有较大重叠部分的区域，所以去掉的还是分数偏低的区域。
non-maximum suppression就是把局部不是最高的部分去掉，防止出现雷同区域。
■网友
去除的是同一个目标 产生的大量重复区域
■网友
对于每一类物体，我们只保留这两类框：
①分数较高（保证召回率和准确率）
②重叠度低（保证准确率）
【在Rcnn中为啥使用IoU非极大值抑制?】 对于这一类物体的所有分数高的框，找到所有和它重叠度高（IOU\u0026gt;threshold）的框删去。
推荐阅读
- 『先进』长江流域最先进洗舱站在宁投运 油可分离回收，水能循环使用
- 为啥看到书柜上的藏书会有心旷神怡的感觉
- 为啥知乎上普便有一种【我在北上广深打工，所以拥有更好的视野】这样的错觉
- 为啥工商银行的用户体验如此之差
- 汽车|冬天怎样让车内温度快速升高？座椅加热的最佳使用方式二，外循环的作用总结
- 汽车|看了中消协4S店服务测评调查结果，终于知道法系车为啥卖不好了
- 你为啥从窝窝商城离职?
- 汽车|迈凯伦Artura不再使用迈凯伦祖传V8引擎了？
- 为啥5G和2.4G默认的BSSID是相同的
- 为啥电器实体店的价格比淘宝贵那么多