ZFTurbo/Weighted-Boxes-Fusion

解决的问题

解决多个目标检测模型预测结果融合的问题。当不同模型对同一对象预测出多个重叠的边界框时，该库提供方法将这些框合并为一个更准确的预测。

工作原理

该库实现了多种框融合算法，接收来自多个模型的归一化坐标、置信度分数和标签作为输入。支持：

• 加权框融合（WBF）：基于置信度分数和每个模型分配的权重来融合框的方法。
• 非极大值抑制（NMS）：一种标准方法，用于移除冗余的重叠框。
• 软NMS：NMS的变体，通过降低重叠框的置信度而非直接删除它们。
• 非极大值加权（NMW）：一种替代的加权框合并方法。

适用人群

专为使用目标检测模型并希望结合多个模型输出以提高最终预测准确率的计算机视觉工程师和数据科学家设计。

主要亮点

• 支持2D、3D、1D（适用于NLP命名实体识别）、旋转框和四边形框。
• 包含NMS、Soft-NMS、NMW和WBF的实现。
• 提供Open Images、COCO和NLP数据集的基准测试。
• 可通过 pip install ensemble-boxes 轻松安装。