昇腾 - AscendCL C++应用开发 目标检测中的非极大值抑制（NMS，Non-Maximum Suppression）涉及计算候选边界框之间的交并比（IOU，Intersection over Union）
flyfish
结构体 BBox: 定义了一个边界框的数据结构，包含中心坐标、宽高、置信度分数、类别索引和输出索引。
函数 IOU: 计算两个边界框之间的交并比。
函数 NMS: 实现非极大值抑制算法，通过逐步移除与当前最佳边界框的IOU超过给定阈值的边界框来筛选出最佳边界框集合。
#include <vector>
#include <algorithm>
#include <cmath>
#include <iostream>
struct BBox {
float x; // 边界框中心的x坐标
float y; // 边界框中心的y坐标
float w; // 边界框的宽度
float h; // 边界框的高度
float score; // 置信度分数
int classIndex; // 类别索引
int index; // 输出缓冲区的索引
};
// 计算两个边界框的交并比(IOU)
float IOU(const BBox& box1, const BBox& box2) {
// 计算每个边界框的左上角和右下角坐标
float x1_min = box1.x - box1.w / 2.0f;
float y1_min = box1.y - box1.h / 2.0f;
float x1_max = box1.x + box1.w / 2.0f;
float y1_max = box1.y + box1.h / 2.0f;
float x2_min = box2.x - box2.w / 2.0f;
float y2_min = box2.y - box2.h / 2.0f;
float x2_max = box2.x + box2.w / 2.0f;
float y2_max = box2.y + box2.h / 2.0f;
// 计算相交区域的左上角和右下角坐标
float inter_x_min = std::max(x1_min, x2_min);
float inter_y_min = std::max(y1_min, y2_min);
float inter_x_max = std::min(x1_max, x2_max);
float inter_y_max = std::min(y1_max, y2_max);
// 计算相交区域的宽度和高度
float inter_w = std::max(0.0f, inter_x_max - inter_x_min);
float inter_h = std::max(0.0f, inter_y_max - inter_y_min);
// 计算相交面积
float inter_area = inter_w * inter_h;
// 计算每个边界框的面积
float box1_area = box1.w * box1.h;
float box2_area = box2.w * box2.h;
// 计算交并比(IOU)
float iou = inter_area / (box1_area + box2_area - inter_area);
return iou;
}
// 实现NMS算法
std::vector<BBox> NMS(const std::vector<BBox>& boxes, float iouThreshold) {
// 按置信度分数从高到低排序
std::vector<BBox> sortedBoxes = boxes;
std::sort(sortedBoxes.begin(), sortedBoxes.end(), [](const BBox& a, const BBox& b) {
return a.score > b.score;
});
std::vector<BBox> result;
// 遍历每一个候选框
while (!sortedBoxes.empty()) {
// 选择置信度最高的框
BBox bestBox = sortedBoxes.front();
result.push_back(bestBox);
// 移除与最佳框IOU大于阈值的所有框
sortedBoxes.erase(std::remove_if(sortedBoxes.begin(), sortedBoxes.end(),
[&](const BBox& box) {
return IOU(bestBox, box) > iouThreshold;
}),
sortedBoxes.end());
}
return result;
}
int main() {
// 示例边界框
std::vector<BBox> boxes = {
{100.0, 100.0, 50.0, 50.0, 0.9, 0, 0},
{102.0, 102.0, 50.0, 50.0, 0.85, 0, 1},
{200.0, 200.0, 50.0, 50.0, 0.75, 1, 2},
{220.0, 220.0, 50.0, 50.0, 0.7, 1, 3}
};
// 进行NMS
float iouThreshold = 0.5;
std::vector<BBox> filteredBoxes = NMS(boxes, iouThreshold);
// 输出结果
for (const auto& box : filteredBoxes) {
std::cout << "Box: (" << box.x << ", " << box.y << "), w=" << box.w
<< ", h=" << box.h << ", score=" << box.score
<< ", classIndex=" << box.classIndex << std::endl;
}
return 0;
}
输出
Box: (100, 100), w=50, h=50, score=0.9, classIndex=0
Box: (200, 200), w=50, h=50, score=0.75, classIndex=1
Box: (220, 220), w=50, h=50, score=0.7, classIndex=1
移除与最佳框IOU大于阈值的所有框
std::remove_if：首先调用std::remove_if将所有不符合条件的元素移到容器的前面，并将符合条件的元素移到后面。此时容器的大小并没有变化，且不符合条件的元素仍然存在于容器的内存中。
auto newEnd = std::remove_if(container.begin(), container.end(), condition);
erase：接着，调用erase使用std::remove_if返回的迭代器范围来删除从“逻辑末尾”到实际末尾的元素。最终，这个操作会减少容器的大小，并真正删除那些符合条件的元素。
container.erase(newEnd, container.end());
这种组合方式可以避免多次调用 erase 来删除每个满足条件的元素，因为删除单个元素的代价较高，而 std::remove_if 只会遍历一次容器，并通过 erase 进行一次性删除。
例子
#include <vector>
#include <algorithm>
#include <iostream>
int main() {
std::vector<int> vec = {1, 2, 3, 4, 5, 6, 7, 8, 9};
// 移除所有偶数
auto newEnd = std::remove_if(vec.begin(), vec.end(), [](int x) {
return x % 2 == 0; // 条件：为偶数时移除
});
// 真正从容器中删除它们
vec.erase(newEnd, vec.end());
// 输出结果
for (int x : vec) {
std::cout << x << " ";
}
return 0;
}