Non-Maximum Suppression (NMS)

非极大值抑制 (NMS) 是目标检测中使用的一种后处理技术，用于优化模型生成的原始预测结果。当目标检测模型分析图像时，通常会为同一个对象生成多个相互重叠的边界框，每个边界框都对应一个置信度分数。这些冗余预测的出现，是因为模型可能会在略有不同的尺度或位置检测到同一特征。NMS 会过滤这些输出，为每个对象仅保留最准确的边界框并丢弃其他框，从而确保最终输出整洁、精确且没有重复项。

非极大值抑制的工作原理#

NMS 算法处理的是候选边界框及其对应置信度分数的列表。其目标是为一个对象选出最佳边界框，并抑制（移除）与其显著重叠的其他边界框，因为这些边界框很可能是对同一对象的重复检测。该过程通常遵循以下步骤：

1. 过滤： 消除所有置信度分数低于特定阈值（例如 0.25）的边界框，以便立即移除较弱的预测结果。

2. 排序： 根据置信度分数，按降序排列剩余边界框。

3. 选择： 将置信度分数最高的边界框选为有效检测结果。

4. 比较： 使用交并比 (IoU) 将选中的边界框与所有其他剩余边界框进行比较。交并比是用于衡量两个边界框重叠程度的指标。

5. 抑制： 如果选中边界框与另一个边界框之间的 IoU 超过预定义阈值（例如 0.45），则将分数较低的边界框视为重复项并移除。

6. 迭代： 使用尚未被抑制或选中的下一个最高分边界框重复该过程，直到处理完所有边界框。

实际应用#

在精度至关重要且重复检测可能干扰下游系统的场景中，NMS 不可或缺。

• 自动驾驶： 在自动驾驶汽车系统中，摄像头会检测行人、其他车辆和交通标志。模型可能会为同一个行人预测出三个略有不同的边界框。NMS 可确保车辆的规划系统仅接收到该行人的一个坐标，从而避免由“幽灵”障碍物导致的异常制动或路径规划错误。
• 零售库存管理： 使用计算机视觉统计货架上的商品时，商品通常摆放得很紧密。如果没有 NMS，同一罐汽水可能会因预测结果重叠而被计数两次，导致库存水平不准确。NMS 会优化这些检测结果，确保库存数量与实际情况相符。

使用 PyTorch 实现 NMS#

尽管许多现代框架会在内部处理 NMS，但了解其实现方式有助于调节参数。以下示例演示了如何使用 PyTorch 库应用 NMS：

import torch
import torchvision.ops as ops

# Example bounding boxes: [x1, y1, x2, y2]
boxes = torch.tensor(
    [
        [100, 100, 200, 200],  # Box A
        [105, 105, 195, 195],  # Box B (High overlap with A)
        [300, 300, 400, 400],  # Box C (Distinct object)
    ],
    dtype=torch.float32,
)

# Confidence scores for each box
scores = torch.tensor([0.9, 0.8, 0.95], dtype=torch.float32)

# Apply NMS with an IoU threshold of 0.5
# Boxes with IoU > 0.5 relative to the highest scoring box are suppressed
keep_indices = ops.nms(boxes, scores, iou_threshold=0.5)

print(f"Indices to keep: {keep_indices.tolist()}")
# Output will likely be [2, 0] corresponding to Box C (0.95) and Box A (0.9),
# while Box B (0.8) is suppressed due to overlap with A.

NMS 与端到端检测的对比#

传统上，NMS 一直是位于主神经网络之外的必需“清理”步骤，会增加推理延迟。不过，该领域正逐步转向端到端架构。

• 标准 NMS： 一种需要手动调节 IoU 阈值的启发式过程。如果阈值过低，彼此接近的有效对象可能会被漏检（召回率低）。如果阈值过高，则会保留重复项（精确率低）。
• 端到端模型： YOLO26 等新一代模型经过设计，可原生实现端到端处理。它们会在训练期间学习为每个对象准确预测一个边界框，从而有效地将 NMS 过程内置于模型中。这样无需外部后处理，既能提升推理速度，也能简化在 Ultralytics Platform 上的部署流程。

相关概念#

• Soft-NMS： 一种变体方法，不会直接移除重叠的边界框，而是降低其置信度分数。这样一来，存在一定重叠的对象（例如人群中的行人）在衰减后分数仍足够高时，依然可以被检测到。
• 锚框： 许多检测器使用的预定义框形状，用于估计对象大小。NMS 会应用于基于这些锚框优化后的最终预测结果。
• 交并比 (IoU)： NMS 用于确定两个边界框重叠程度的数学公式，也是抑制操作的判定阈值。