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(https://arxiv.org/abs/1704.04503)