nms非极大值抑制有哪些

nms非极大值抑制有以下几种方法和改进：

1. 基本的NMS方法是利用得分高的边框来抑制得分低且重叠程度高的边框。这种方法简单有效，但在更高的目标检测需求下存在一些缺点。

2. Soft NMS是一种改进的方法，它通过对重叠框的得分进行一定的衰减，而不是直接抑制掉得分低的边框。这样可以保留一些得分低但可能是真正目标的边框。

3. Softer NMS是Soft NMS的进一步改进，它在计算重叠框的得分衰减时引入了一个可学习的参数。这个参数可以根据具体的数据进行优化，从而更加灵活地调整得分衰减的方式。

4. Adaptive NMS是根据物体密集程度自适应调整NMS阈值的方法。它通过使用卷积神经网络(CNN)来判断人群的密集程度，并根据密集程度决定NMS阈值的大小。

5. IoUNet是一种基于IoU(Intersection over Union)的方法，它通过训练一个神经网络来预测边框之间的IoU值。然后，根据IoU值来判断是否进行非极大值抑制。

综上所述，nms非极大值抑制有基本的NMS方法、Soft NMS、Softer NMS、Adaptive NMS和IoUNet等不同的方法和改进。每种方法都有其特点和适用场景，可以根据具体需求选择合适的方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [【目标检测系列】非极大值抑制(NMS)的各类变体汇总](https://blog.csdn.net/weixin_47196664/article/details/106754955)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]