文章目錄

• • 1 NMS
  • • 1.1 動機
    • 1.2 步驟
  • 2 Soft-NMS
  • • 2.1 動機
    • 2.2 算法思想
    • 2.3 步驟
  • 3 Softer-NMS
  • • 3.1 動機
    • • 3.1.1 現有方法的問題
      • 3.1.2 本文解決辦法
    • 3.2 算法部分
    • • 3.2.1 定位任務
      • 3.2.2 定位損失
      • 3.2.3 后處理
  • 4 總結
  • 5 參考文獻

---

對于目標檢測算法，它包含了三個要素：Backbone + Head + Postprocess，上一篇文章介紹了Light Head R-CNN，它是對“head”部分的優化，對于Postprocess部分，最早用的是NMS，后面出現了Soft NMS和Softer NMS，本文將分別解釋它們的動機和原理，希望能對大家有所幫助。

1 NMS

NMS，它的全稱為“non-maximum supression”。為什么要使用nms呢？因為在目標檢測任務中，不管是one-stage還是two-stage的算法，最終算法都會預測出多個proposals。在后處理部分中，需要對這些proposals做篩選。

1.1 動機

（1）優先選擇分類score較高的proposal；
（2）跟分類score重疊較多的proposals，可以視為冗余的預測框；

1.2 步驟

（1）將算法預測出的所有proposals，按照不同的類別標簽分組；
（2）對于每一個類別的所有proposals，記作$B$，篩選后的proposals集合記作$D$，執行如下操作，
????????（a）選擇score最高的proposal，記作$M$，加入到$D$中；
????????（b）計算剩余的proposals與$M$之間的Iou，若大于閾值$N_t$，則舍棄，否則保留；
????????（c）若步驟(b)中得到的所有proposals為空，則跳回步驟（2），否則執行步驟(a)。
（3）經過后處理之后，所有類別保留的有效proposals集合為S={D_{1}, D_{2}, …, D_{c}，其中c表示目標類別的數量；

偽代碼如下圖，

2 Soft-NMS

2.1 動機

由上可見，NMS算法保留score最高的預測框，并將與當前預測框重疊較多的proposals視作冗余，顯然，在實際的檢測任務中，這種思路有明顯的缺點，比如對于稠密物體檢測，當同類的兩個目標距離較近時，如果使用原生的nms，就會導致其中一個目標不能被召回，為了提高這種情況下目標檢測的召回率，Soft-NMS應運而生。對于Faster-RCNN在MS-COCO數據集上的結果，將NMS改成Soft-NMS，mAP提升了1.1%。

2.2 算法思想

Soft-NMS，原文的標題為“Improving Object Detection With One Line of Code”。NMS采用“一刀切”的思想，將重疊較多的proposals全部視作冗余，而Soft-NMS，采用了“迂回”戰術，它認為重疊較多的proposals也有可能包含有效目標，只不過重疊區域越大可能性越小。參見下圖，NMS會將綠色框的score置0，而Soft-NMS會將綠色框的score由0.8下降到0.4，顯然Soft-NMS更加合理。

那么問題來了，怎么建立Iou和score之間的聯系呢，文章中給出的公式如下，

其中$D$表示所有保留的有效框集合，$b_i$表示待過濾的第$i$個預測框，$s_i$為第$i$個預測框對應的分類score。這里使用了高斯函數作為懲罰項，當$iou=0$時，分類score不變，當$0<iou<1$時，分類score會做衰減。以上圖為例，綠色框$b_i$和紅色框$M$的iou大于0，經過Soft-NMS后該綠色框的分類score由0.8衰減到0.4，可以推斷出，如果圖中有第2個綠色框，且其與紅色框的重疊區域更大時，那么這個新的綠色框的分類score可能由0.8衰減到0.01。

2.3 步驟

因為Soft-NMS和NMS的區別很小，這里就不再詳細解釋了，引用論文中的偽代碼，如下圖，

3 Softer-NMS

（本文的一作是何宜輝，之前有讀過他在模型剪枝方面的工作，還是很厲害的?，F在在目標檢測領域，再次讀到大牛文章，也是巧了～）

3.1 動機

3.1.1 現有方法的問題

作者使用VGG-16 faster R-CNN測試了MS-COCO數據集中的圖片，論文中貼了兩張檢測失敗的代表圖片，如下圖，

左圖存在的問題：檢測出來的2個proposals，沿著y坐標軸方向的定位均不準確；

結論：檢測算法預測出來的proposals的坐標不一定準確；

右圖存在的問題：檢測出來的2個proposals，右邊的框分類score較高，但是卻沿著x坐標軸方向的定位不準確；

結論：分類score高不一定定位score高，也即classification confidence和 localization confidence不具有一致性。

3.1.2 本文解決辦法

針對上面的問題，（1）既然proposals的坐標不準確，那么即便NMS也無能為力了，所以需要重新設計坐標回歸的方式)；（2）既然分類score高不一定定位score高，那么NMS和Soft-NMS的做法（只基于分類score對proposals做排序）是不準確的，所以需要同時預測出檢測框的定位score。

3.2 算法部分

Softer-NMS的算法框架如下圖，可以看出，它跟fast R-CNN是非常相似的，區別在于回歸任務中多了一個Box std分支，這里需要解釋一下，比如預測出的bounding box的坐標為$x_{1}, y_{1}, x_{2}, y_{2} $，該分支會預測出每個坐標的標準差，顯然，當坐標的標準差越小時，表明預測得到的坐標值越可信，也即Box std分支用于表征定位任務的置信度。

3.2.1 定位任務

在fast R-CNN中，作者使用的是均方誤差函數作為定位損失，總的目的是讓定位出的坐標點盡可能逼近groundtruth box。本文中為了在定位坐標同時輸出定位score，使用了高斯函數建模坐標點的位置分布，公式如下，

其中，$x_e$為預測的box位置，$\sigma$表示box位置的標準差，衡量了box位置的不確定性。

因為groundtruth位置是確定的，所以groundtruth box的坐標為標準差為0的高斯分布，也即Dirac delta函數，公式如下，

其中，$x_g$為groundtruth box的坐標。、

3.2.2 定位損失

回歸任務的目的是讓預測框盡可能逼近真實框，也即$P_{\theta }(x)$和$P_D(x)$為同一分布，衡量概率分布的相似性，自然而然會想到KL散度，關于KL散度的概念，大家可以參見維基百科，值得一提的是，KL散度本身具有不對稱性，通常，在實際應用中為了使用對稱性，使用的是KL散度的變形形式，但本文中沒有這么做。對公式做化簡后，最終的簡化形式如下，

3.2.3 后處理

經過上面的網絡部分，Class分支會輸出類別score，Box分支會輸出box的4個坐標和這4個坐標對應的標準差（定位score），符號表示如下，

基于這些信息，新的后處理算法如下圖，

顯然，softer-NMS基于回歸出的定位confidence，對所有與$M$的IoU超過閾值$N_t$的proposals，使用加權平均更新其位置坐標，從而達到提高定位精度的目的。因為softer-NMS關注的是單個框的定位精度，而NMS和soft-NMS關注的是單個框的冗余性，顯然關注點不同，所以softer-NMS可以和soft-NMS組合使用，此時效果更佳。

4 總結

NMS：只適用于圖片中目標比較稀疏的場景，即目標之間的間距較大；

soft-NMS：可以部分解決出現稠密目標的情況（ps：Face++提出了RepLoss，從模型的角度解決這一問題，大家感興趣也可以去讀讀該論文）；

softer-NMS：該后處理方法采用"bagging"的思想，通過后處理提高定位精度，可以和soft-NMS組合使用。

5 參考文獻

https://arxiv.org/pdf/1704.04503.pdf

https://arxiv.org/pdf/1809.08545.pdf

https://megvii.com/newscenter/119

總結

以上是生活随笔為你收集整理的目标检测后处理：从nms到softer nms的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。