完整搜尋頁面 →

邊界框、重疊與抑制

進階DLCV 03・物件偵測:從 R-CNN 到 DETR互動圖表

題目說明

重疊的偵測框何時會被當成同一個物件?觀察貪婪抑制如何作出決定。

試試看:將 B 移到 A 上,再提高 IoU 門檻。找出同時保留兩框的設定。這項規則能分辨重複偵測與兩個相鄰物件嗎?

先預測

預設位置下,A 框(分數 0.92)與 B 框(分數 0.84)的 IoU 約為 0.55,IoU 門檻是 0.5。三個框會保留幾個?

解析

請先回答預測問題,或在準備好時再打開解析。

顯示解析

B 與分數較高的 A 重疊超過門檻,因此被抑制;C 離兩者都很遠,所以保留。把 B 移開或提高門檻,就能保留 B。

實驗 · 邊界框、重疊與抑制

先預測

預設位置下,A 框(分數 0.92)與 B 框(分數 0.84)的 IoU 約為 0.55,IoU 門檻是 0.5。三個框會保留幾個?

IoU(A, B)
0.551
IoU(B, C)
0
保留框數
2

IoU = 交集面積 / 聯集面積。已遭抑制的框不會再抑制其他框;比較對象僅限先前保留的框。 A: 保留 · B: 抑制 · C: 保留.

試試看:將 B 移到 A 上,再提高 IoU 門檻。找出同時保留兩框的設定。這項規則能分辨重複偵測與兩個相鄰物件嗎?

三個同類別的框具有固定分數。先保留分數 ≥ 分數門檻的框,再依分數由高到低處理;若與已保留框的交集聯集比(IoU)嚴格大於 IoU 門檻,就抑制該框。分數是示範輸入,不代表模型準確率。

方法來源

在互動實驗頁開啟 →