YOLOv1 技术详解：NMS（非极大值抑制）的工作原理与实现细节

YOLOv1 技术详解：NMS（非极大值抑制）的工作原理与实现细节

一、前言

在目标检测任务中，模型往往会输出多个边界框（bounding box），其中很多是针对同一物体的重复预测。为了提高检测结果的准确性和简洁性，我们需要使用一种后处理技术来去除这些冗余的预测框 —— 这就是 NMS（Non-Maximum Suppression，非极大值抑制）。

本文将围绕 YOLOv1 中的 NMS 实现机制展开，详细介绍：

• NMS 的基本思想
• YOLOv1 中如何应用 NMS
• NMS 的具体步骤与伪代码
• NMS 对检测效果的影响

---

YOLOv1 使用了 NMS（非极大值抑制，Non-Maximum Suppression），但它不是训练的一部分，而是后处理步骤，用于从多个预测框中选出最优结果。

✅ YOLOv1 中的 NMS 用途

在预测阶段，YOLOv1 会：
• 为每个 $S\times S$ 网格预测 $B$ 个边界框（每个含置信度和类别概率）；
• 因此最终会得到非常多的候选框（如 $7\times 7\times 2=98$ 个）；
• 很多框可能高度重叠或重复检测同一目标。

为了解决这个问题，YOLOv1 会在每个类别上分别进行 NMS，抑制重叠度高（IOU 高）的低置信度框。

YOLOv1 后处理步骤（含 NMS）
1. 对每个边界框，计算：
$$\text{class confidence score}=\mathrm{Pr}(\text{class}\mid \text{object})\times \text{confidence}$$
2. 对每个类别，收集所有该类别的预测框；
3. 对该类别的框进行 NMS，步骤如下：
• 选出得分最高的框作为保留框；
• 删除与该框 IOU 超过阈值（如 0.5 或 0.45）的其他框；
• 重复直到所有框处理完。

二、什么是 NMS？

✅ 定义：

NMS 是一种用于目标检测后处理的技术，其核心思想是：保留置信度最高的预测框，并移除与其高度重叠（IoU 较大）的其他预测框。

目标：

• 消除重复检测
• 提高检测结果的清晰度和准确性

---

三、YOLOv1 中的预测输出回顾

在正式介绍 NMS 之前，我们先回顾一下 YOLOv1 的输出结构：

输出格式：

S × S × (B×5 + C)

其中：

• S = 7：图像被划分为 7×7 的网格单元；
• B = 2：每个网格单元预测 2 个 bounding box；
• 5：每个 bounding box 包含 (x, y, w, h, confidence)；
• C = 20：PASCAL VOC 数据集下的类别数量；

预测流程简述：

1. 图像输入网络，得到 7×7×30 的输出张量；
2. 每个 grid cell 的两个 bounding box 都有对应的 confidence 分数；
3. 结合 class probability 得到最终的检测分数；
4. 对所有 bounding box 执行 NMS 去除冗余预测。

---

四、YOLOv1 中的 NMS 实现步骤详解

核心思路：

对每一类分别执行 NMS，即：

• 先筛选出某一类别的所有预测框；
• 按照置信度排序；
• 依次选择最高置信度的框，并删除与其 IoU 超过阈值的其他框；
• 重复此过程直到所有框处理完毕。

具体步骤如下：

Step 1: 筛选特定类别

对于每个类别 $c\in [1,C]$：

class_boxes = [box for box in all_boxes if box.class_id == c]

Step 2: 按置信度排序

class_boxes.sort(key=lambda x: x.confidence_score, reverse=True)

Step 3: 初始化保留框列表

keep_boxes = []

Step 4: 依次选取最大置信度的框并删除重叠框

while len(class_boxes) > 0:
    # 取出当前置信度最高的框
    highest_conf_box = class_boxes.pop(0)
    keep_boxes.append(highest_conf_box)

    # 删除与该框 IoU 大于阈值的其他框
    class_boxes = [
        box for box in class_boxes
        if iou(box, highest_conf_box) < iou_threshold
    ]

其中 iou_threshold 通常设为 0.5。

---

五、NMS 的可视化示意图（文字版）

假设我们有一个类别的多个预测框：

[Box1(conf=0.9), Box2(conf=0.85), Box3(conf=0.7), Box4(conf=0.6)]

执行 NMS 的过程如下：

1. 选出置信度最高的 Box1；
2. 删除与 Box1 IoU > 0.5 的其他框（如 Box2 和 Box3）；
3. 剩下 Box4，继续判断是否保留；
4. 最终保留 Box1 和 Box4（若 IoU ≤ 0.5）；
5. 输出最终检测结果。

---

六、YOLOv1 中 NMS 的注意事项

注意点	说明
类别敏感	YOLOv1 的 NMS 是按类别进行的，不同类别的框不会相互干扰
置信度来源	使用的是 bounding box 的 confidence score，而不是 class probability × confidence
性能影响	在 CPU 上运行时可能会成为性能瓶颈，但 GPU 实现效率较高
多目标问题	若两个真实目标靠得很近，可能只保留一个预测框

---

七、YOLOv1 中 NMS 的优缺点分析

✅ 优点：

• 简单高效，易于实现；
• 有效减少重复检测；
• 提升检测结果的可读性和精度；

❌ 缺点：

• 无法处理密集目标场景：多个真实目标靠近时，容易漏检；
• 依赖置信度排序：如果第一个框预测错误，后续正确框可能被误删；
• 不支持软阈值机制：相比 Soft-NMS，硬删除方式不够灵活；

---

八、YOLO 后续版本中的改进（拓展阅读）

虽然 YOLOv1 中的 NMS 实现简单有效，但在后续版本中得到了进一步优化：

版本	改进点
YOLOv2	引入 Anchor Boxes，提升召回率
YOLOv3	多尺度预测，增强小物体检测能力
YOLOX	引入 SimOTA 正样本匹配策略，替代传统 NMS
YOLOv5+	支持 Soft-NMS、DIoU-NMS 等更先进的后处理方法

---

九、总结

模块	内容
NMS 的作用	去除重复预测框，提高检测结果的准确性和清晰度
YOLOv1 的 NMS 实现	按类别进行，保留置信度最高的框，删除与其高度重叠的其他框
实现步骤	筛选类别 → 排序置信度 → 依次保留并剔除重叠框
注意点	类别敏感、置信度计算方式、多目标问题

---

十、结语

NMS 是现代目标检测系统中不可或缺的一部分。尽管 YOLOv1 的 NMS 实现较为基础，但它奠定了后续版本乃至整个检测领域的后处理标准流程。

---

欢迎点赞 + 收藏 + 关注我，我会持续更新更多关于计算机视觉、目标检测、深度学习、YOLO系列等内容！