4. 算法实现的伪代码
- 第1步:变量, 和是用来存储边框以及相应的分数和类标签的集合，这些分数和标签将返回并绘制在图像上
- 第2步:算法分别遍历每个类，这使它能够处理多类对象检测。对于每个类，它选择n个边界框，每个边界框代表一个对象
- 第3步:定义变量、临时存储边界框和对应的分数，并选择待处理类的最优边界框
- 第4步:变量被初始化为图像的大小
- 第5步:循环遍历所有边界框，将每个边界框与集合中的每个边界框进行比较：
- 第5.1步:规范化坐标关系，然后进行邻近计算
- 第5.2步:如前所述，如果接近度计算值小于2，则边界框是不相交的，将被视为单独的对象。这个条件将的P值限制小于2
- 第5.3步:通过对最小置信加权汇合值的收敛，选择一个最优边界框
- 第6步:选择最优边界框后，将其添加到中，与其对应的类和置信值一起作为最终检测返回，并从集合B,S中去除。
- 第7步:随后，将B中所有与预定义的超参数以下的最优边界接近的边界框移除。
- 第8步:递归地执行步骤3-5，直到处理完所有的边界框。
5 实验
5.1 经典方法插入对比
5.2 可视化对比
以上结果不难看出使用Confluence方法后检测结果更加精准。
