VIP20
本课程属于：025-OpenCV　YOLO目标检测 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

YOLO检测NMS调优与误检消除技巧

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
NMS基础回顾
什么是NMS · 为什么需要NMS · NMS在YOLO中的位置
NMS基础回顾
02
IoU计算详解
IoU的定义 · 计算方法 · 代码实现
IoU计算详解
03
传统NMS算法流程
算法步骤 · 伪代码 · 优缺点分析
NMS传统
04
NMS阈值选择策略
IoU阈值对检测结果的影响 · 如何选择合适的阈值
NMS阈值选择策略
05
Soft-NMS原理与实现
解决密集遮挡场景的误检问题 · 算法推导与代码
Soft-NMS原理
06
DIoU-NMS与CIoU-NMS
基于距离的NMS变体 · 解决重叠框误删问题
DIoU-NMSCIoU-NMS
07
Weighted-NMS
加权融合策略 · 提升定位精度
Weighted-NMS加权融合策略
08
Adaptive-NMS
自适应阈值 · 根据目标密度动态调整
Adaptive-NMS自适应阈值
09
NMS在YOLOv5/v8中的实现
源码分析 · 关键参数解读
NMSYOLOv5/v8
10
多类别NMS处理
类别独立NMS vs 全局NMS · 优缺点对比
NMS多类别
11
NMS的工程优化
GPU加速 · 并行化处理 · 批量NMS
NMS的工程优化
12
误检来源分析
数据标注问题 · 模型过拟合 · 背景干扰
误检来源分析数据标注问题
13
数据增强减少误检
Mosaic · MixUp · Copy-Paste策略
数据增强减少误检Mosaic
14
损失函数优化
Focal Loss解决类别不平衡 · 减少误检
损失函数优化Focal
15
置信度校准
温度缩放 · Platt缩放 · 提升置信度可靠性
置信度校准温度缩放
16
后处理过滤策略
基于面积 · 长宽比 · 置信度阈值的过滤
后处理过滤策略基于面积
17
背景类抑制
添加背景类分支 · 减少误检
背景类抑制添加背景类分支
18
多尺度检测融合
FPN/PAN结构对误检的影响
多尺度检测融合FPN/PAN
19
标签平滑与噪声处理
减少过拟合导致的误检
标签平滑噪声处理
20
测试时增强(TTA)
多尺度测试 · 翻转测试减少误检
TTA测试时增强
21
模型集成减少误检
投票机制 · WBF融合策略
模型集成减少误检投票机制
22
误检案例分析
常见误检类型及解决方案
误检案例分析常见误检类型
23
实际项目中的NMS调优流程
从数据到部署的全流程
NMS实际项目
24
NMS速度与精度的权衡
如何平衡推理速度与检测精度
NMS速度
25
自定义NMS算子
ONNX导出与TensorRT部署
NMS自定义
26
基于聚类的NMS改进
DBSCAN-NMS · 处理不规则分布目标
NMS基于聚类的
27
注意力机制辅助NMS
让模型学会自动抑制重复框
NMS注意力机制辅助
28
端到端检测与NMS
DETR等无NMS方案的对比
NMS端到端检测
29
评估指标与误检分析
mAP · F1 · PR曲线
评估指标误检分析
30
综合实战
从零构建一个NMS调优与误检消除Pi…
综合实战NMS