论文阅读: Soft-NMS

Introduction

传统的NMS (Non-Maximum Supression)去重过程如下:

但是对于两个“高度重合的object”,却容易“误杀”,导致只剩下一个bbox:

Innovation

针对传统的NMS计算公式:

Bharat Singh等人提出了soft版的NMS:

即:

不再删除所有与highest-score的bbox大于IoU阈值的框,而改为降低它们的置信度。

根据新公式易知,soft-nms对于 低overlap (注意不是低score)的bbox 保留得更好

落实到代码中真的就是“One line of code”:

Result

作者的实验显示,在相同召回率的情况下,不论阈值取0.6、0.7还是0.8,Soft-NMS的accuracy都要稍高过传统NMS一丢丢:

作者找了一些higly-overlap objects的场景图来验证Soft-NMS的优越性:

Thinking

  • Soft-NMS加强了对highly-overlap objects的正确区分,同时却也削弱了对light-overlap objects的区分能力;
  • 本质上是对overlap情形的一种overfit,所以它只能算是对trade-off的offset;
  • 只有在highly-overlap objects的场景下才能真正发挥作用,普通场景下并没有多少highly-overlap,所以甚至可能有反效果;
  • 个人觉得Soft-NMS其实可以叫做“Overlap-NMS”。

[1] Soft-NMS – Improving Object Detection With One Line of Code

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

【专知-Java Deeplearning4j深度学习教程05】无监督特征提取神器—AutoEncoder:图文+代码

【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视...

549110
来自专栏ATYUN订阅号

使用TensorFlow和DLTK进行生物医学图像分析的介绍

DLTK是用于医学图像的深度学习工具包,它扩展了TensorFlow, 以实现生物医学图像的深度学习。它为经典的应用程序提供特殊的操作和功能、模型的实现、教程(...

26740
来自专栏大数据挖掘DT机器学习

R分类器性能评价:图形方法

几个基本概念 对于二元分类器,我们可以把分类样本的真实值记为1(positive,正例/阳性),-1(或0,negative,负例/阴性)分类结果记作1(s...

323100
来自专栏PPV课数据科学社区

【V课堂】R语言十八讲(十五)—-置换检验和自助法

不知道看到这里,读者有么有发现,前面讲了那么多方法,几大检验,回归分析,方差分析“都有一个共同的特点,那就是有一定的前提假设,只有满足这个假设时,模型才有较好的...

35860
来自专栏机器之心

专栏 | 9 篇顶会论文解读推荐中的序列化建模:Session-based Neural Recommendation

1K90
来自专栏新智元

谷歌开源图像分类工具TF-Slim,定义TensorFlow复杂模型

【新智元导读】谷歌今天宣布开源 TensorFlow 高级软件包 TF-Slim,能使用户快速准确地定义复杂模型,尤其是图像分类任务。这不由让人想起 Faceb...

37260
来自专栏机器之心

听说你用JavaScript写代码?本文是你的机器学习指南

40660
来自专栏AI启蒙研究院

【通俗理解】协方差

13520
来自专栏杨熹的专栏

Instance Based Learning

Udacity Machine Learning Instance Based Learning ---- Supervised Learning 给你一...

33140
来自专栏marsggbo

为什么可逆矩阵又叫“非奇异矩阵(non-singular matrix)”?

最近在捡回之前的线性代数知识,在复习可逆矩阵的时候,发现有的书上把可逆矩阵又称为非奇异矩阵,乍一看名字完全不知所云,仔细一分析,还是不明白。要想弄明白,还是得从...

25020

扫码关注云+社区

领取腾讯云代金券