Weighted-Boxes-Fusion

环境要求

• Python 3.*
• 已安装 pip
• 依赖 Numpy 与 Numba（pip 安装时自动处理）
• 目标检测模型的预测框需归一化到 [0,1] 区间

安装与启动步骤

1. 1安装 ensemble-boxes

   README 给出的唯一安装方式是通过 pip 从 PyPI 安装该库，会自动带上 Numpy、Numba 依赖。建议在虚拟环境中安装避免污染全局环境。

   pip install ensemble-boxes

   复制

2. 2验证导入

   安装完成后确认包能正常导入且函数可访问，import * 会带入 nms、soft_nms、non_maximum_weighted、weighted_boxes_fusion 等方法。

   python -c "from ensemble_boxes import *; print('ok')"

   复制

3. 3准备各模型预测结果

   把每个模型的框整理成列表：boxes_list 为归一化 [x1,y1,x2,y2]，scores_list 为置信度，labels_list 为类别标签，三者嵌套层级要对应。

4. 4调用融合方法

   按 README 示例调用 weighted_boxes_fusion 做 WBF 融合，或用 nms / soft_nms / non_maximum_weighted。weights 长度需与模型数量一致，此处两个模型权重设为 [2,

   from ensemble_boxes import *
   
   boxes_list = [[
       [0.00, 0.51, 0.81, 0.91],
       [0.10, 0.31, 0.71, 0.61],
       [0.01, 0.32, 0.83, 0.93],
       [0.02, 0.53, 0.11, 0.94],
       [0.03, 0.24, 0.12, 0.35],
   ],[ 
       [0.04, 0.56, 0.84, 0.92],
       [0.12, 0.33, 0.72, 0.64],
       [0.38, 0.66, 0.79, 0.95],
       [0.08, 0.49, 0.21, 0.89],
   ]]
   scores_list = [[0.9, 0.8, 0.2, 0.4, 0.7], [0.5, 0.8, 0.7, 0.3]]
   labels_list = [[0, 1, 0, 1, 1], [1, 1, 1, 0]]
   weights = [2, 1]
   
   iou_thr = 0.5
   skip_box_thr = 0.0001
   sigma = 0.1
   
   boxes, scores, labels = nms(boxes_list, scores_list, labels_list, weights=weights, iou_thr=iou_thr)
   boxes, scores, labels = soft_nms(boxes_list, scores_list, labels_list, weights=weights, iou_thr=iou_thr, sigma=sigma, thresh=skip_box_thr)
   boxes, scores, labels = non_maximum_weighted(boxes_list, scores_list, labels_list, weights=weights, iou_thr=iou_thr, skip_box_thr=skip_box_thr)
   boxes, scores, labels = weighted_boxes_fusion(boxes_list, scores_list, labels_list, weights=weights, iou_thr=iou_thr, skip_box_thr=skip_box_thr)

   复制

5. 5开发环境与测试（可选）

   想改源码或跑测试时，先克隆仓库并用 setup 脚本创建名为 wbf 的虚拟环境，再执行 pytest 跑测试。

   git clone https://github.com/ZFTurbo/Weighted-Boxes-Fusion.git
   cd Weighted-Boxes-Fusion
   source setup_dev_env.sh
   python -m pytest tests/

   复制

关键配置

如何确认成功

导入 ensemble_boxes 不报错，并跑通 README 示例，能打印出融合后的 boxes、scores、labels 三个数组即成功。

常见问题

注意事项

• boxes_list、scores_list、labels_list 必须一一对应，每个模型一个子列表，长度需一致。
• 除 WBF 外还可选 NMS、Soft-NMS、NMW，用法与 WBF 类似，可按需切换。
• 开发脚本 setup_dev_env.sh 依赖 source 方式执行，直接 sh 执行可能不生效。