13.4.4 使用非极大值抑制预测边界框

P425

def multibox_detection(cls_probs, offset_preds, anchors, nms_threshold=0.5,
                       pos_threshold=0.009999999):

conf, class_id = torch.max(cls_prob[1:], 0)

1. 输入 cls_prob 的结构

• cls_prob 是 cls_probs[i]，即第 i 个样本的分类概率，形状为 (num_classes + 1, num_anchors)。
  • num_classes + 1：包括所有目标类别 + 1个背景类(假设背景类是第 0 类)。
  • num_anchors：锚框的数量。

例如，如果有 20 个类别 + 1 个背景类，cls_prob.shape = (21, 1000)(假设 1000 个锚框)。

2. cls_prob[1:] 的作用

• cls_prob[1:] 表示 去掉背景类(第 0 类)，只保留目标类别的概率。
  • 如果原始 cls_prob 是 (21, 1000)，那么 cls_prob[1:] 就是 (20, 1000)。
  • 这样做的目的是 只关心目标类别的置信度，忽略背景类。

3. torch.max(cls_prob[1:], 0) 的作用

• torch.max(..., dim=0) 表示 在第 0 维度(类别维度)上取最大值。
• 返回值：
  • conf：每个锚框的最大类别概率(置信度)，形状 (num_anchors,)。
  • class_id：每个锚框对应的类别索引(从 0 开始，对应 cls_prob[1:] 的第 0 类，即原始 cls_prob 的第 1 类)。

class_id = class_id[all_id_sorted]
        conf, predicted_bb = conf[all_id_sorted], predicted_bb[all_id_sorted]

这一行代码的作用是重新排序

conf[below_min_idx] = 1 - conf[below_min_idx]

这行代码 conf[below_min_idx] = 1 - conf[below_min_idx] 的作用是 对低置信度的预测框(被判定为背景的框)的置信度进行特殊处理。我们来详细解析它的逻辑和目的：

1. 上下文背景

在目标检测的后处理阶段，代码会先通过 pos_threshold 过滤掉低置信度的预测框：

below_min_idx = (conf < pos_threshold)  # 找出置信度低于阈值的框
class_id[below_min_idx] = -1            # 将这些框的类别标记为背景(-1)

此时：

• class_id = -1 表示该预测框是背景(无效检测)。
• 但 conf 仍然存储原始的目标类别概率(可能很低，比如 0.01)。

2. conf[below_min_idx] = 1 - conf[below_min_idx] 的作用

这行代码对低置信度框的 conf 值做了一个反向操作：

• 原始 conf：表示模型对“最可能目标类别”的预测概率(例如 0.01)。
• 修改后 conf：变为 1 - conf(例如 1 - 0.01 = 0.99)。

non_keep的conf不用做上面的操作是因为non_keep本身是通过nms搞出来的，本来的conf不没有很低