文章来自于:曲終人不散丶@知乎,
连接:https://zhuanlan.zhihu.com/p/151914931, 本文仅用于学术分享,如有侵权,前联系后台做删文处理。
众所周知,非极大值抑制NMS是目标检测常用的后处理算法,用于剔除冗余检测框,本文将对可以提升精度的各种NMS方法及其变体进行阶段性总结。
总体概要
对NMS进行分类,大致可分为以下六种,这里是依据它们在各自论文中的核心论点进行分类,这些算法可以同时属于多种类别。
- 1.分类优先:传统
NMS
,Soft-NMS
(ICCV 2017) - 2.定位优先:
IoU-Guided NMS
(ECCV 2018) - 3.加权平均:
Weighted NMS
(ICME Workshop 2017) - 4.方差加权平均:
Softer-NMS
(CVPR 2019) - 5.自适应阈值:
Adaptive NMS
(CVPR 2019) - 6.+中心点距离:
DIoU-NMS
(AAAI 2020)
分类优先
传统NMS有多个名称,据不完全统计可以被称为:Traditional / Original / Standard / Greedy NMS
,为统一起见,下称Traditional NMS
。
Traditional NMS算法是最为经典的版本,伪代码如下:
作为最为人所知晓的版本,Traditional NMS不仅有CPU
版本,并且现已有GPU
版本,GPU版本为Ross Girshick大神编写,俗称CUDA NMS。多个深度学习框架也已将CUDA NMS
纳入,作为基本函数使用,如Pytorch在Torchvision 0.3中正式集成了CUDA NMS。
缺点:
- 顺序处理的模式,计算IoU拖累了运算效率。
- 剔除机制太严格,依据NMS阈值暴力剔除。
- 阈值是经验选取的。
- 评判标准是IoU,即只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。
Soft-NMS是Traditional NMS的推广,主要旨在缓解Traditional NMS的第二条缺点。
数学上看,Traditional NMS的剔除机制可视为
显然,对于IoU≥NMS阈值的相邻框,Traditional NMS的做法是将其得分暴力置0。这对于有遮挡的案例较不友好。因此Soft-NMS的做法是采取得分惩罚机制,使用一个与IoU正相关的惩罚函数对得分
s
s
s
进行惩罚。
线性惩罚:
显然,对于IoU≥NMS阈值的相邻框,Traditional NMS的做法是将其得分暴力置0。这对于有遮挡的案例较不友好。因此Soft-NMS的做法是采取得分惩罚机制,使用一个与IoU正相关的惩罚函数对得分 s
进行惩罚。
- 其中 M M M代表当前的最大得分框。
- 线性惩罚有不光滑的地方,因而还有一种高斯惩罚:
在迭代终止之后,Soft-NMS依据预先设定的得分阈值来保留幸存的检测框,通常设为0.0001
该文对两种惩罚方法的超参数也进行了实验,结果验证了超参数的不敏感性。经本人实测,Soft-NMS
在Faster R-CNN中的提升约有0.5-0.8
个点的AP提升。
缺点:
- 仍然是顺序处理的模式,运算效率比Traditional NMS更低。
- 对双阶段算法友好,而在一些单阶段算法上可能失效。
如果存在定位与得分不一致的情况,则可能导致定位好而得分低的框比定位差得分高的框惩罚更多(遮挡情况下)
。- 评判标准是IoU,即只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。
定位优先
IoU-Guided NMS
出现于IoU-Net
一文中,研究者认为框的定位与分类得分可能出现不一致
的情况,特别是框的边界有模棱两可的情形时。因而该文提出了IoU预测分支
,来学习定位置信度
,进而使用定位置信度来引导NMS。
具体来说,就是使用定位置信度
作为NMS的筛选依据,每次迭代挑选出最大定位置
信度的框
M
M
M
,然后将IoU≥NMS阈值的相邻框剔除,但把冗余框及其自身的最大分类得分直接赋予
M
M
M
,这样一来,最终输出的框必定是同时具有最大分类得分与最大定位置信度的框。
优点
IoU-Guided NMS
有助于提高严格指标下的精度,如AP75, AP90
。
缺点:
- 顺序处理的模式,运算效率与Traditional NMS相同。
需要额外添加IoU预测分支
,造成计算开销。- 评判标准是IoU,即只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。
加权平均
Weighted NMS出现于ICME Workshop 2017《Inception Single Shot MultiBox Detector for object detection》一文中。论文认为Traditional NMS每次迭代所选出的最大得分框未必是精确定位的,冗余框也有可能是定位良好的。那么与直接剔除机制不同,Weighted NMS顾名思义是对坐标加权平均,加权平均的对象包括 M M M自身以及IoU≥NMS阈值的相邻框。
优点:
Weighted NMS
通常能够获得更高的Precision和Recall,以本人的使用情况来看,只要NMS阈值选取得当,Weighted NMS均能稳定提高AP与AR
,无论是AP50还是AP75,也不论所使用的检测模型是什么。
缺点:
- 顺序处理模式,且运算效率比Traditional NMS更低。
- 加权因子是IoU与得分,前者只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面;而后者受到定位与得分不一致问题的限制。
方差加权平均
Softer-NMS同样是坐标加权平均的思想
,不同在于权重
发生变化,以及引入了box边界的不确定度。
关于目标检测box不确定度,可参考笔者的另一篇文章《一文了解目标检测边界框概率分布》
加权公式如下:
在加权平均的过程中,权重越大有两种情形:1. 与
M
M
M 的IoU越大;2. 方差越小,代表定位不确定度越低。
优点:
- 可以与Traditional NMS或Soft-NMS结合使用。
- 通常可以稳定提升AP与AR。
缺点:
- 顺序处理模式,且运算效率比Traditional NMS更低。
- 需要修改模型来预测方差。
- 加权因子是IoU与方差,前者依然只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。
自适应阈值
以上这些NMS都基于这样的假设:与当前最高得分框重叠越大,越有可能是冗余框。
Adaptive NMS
的研究者认为这在物体之间有严重遮挡时可能带来不好的结果。我们期望当物体分布稀疏时,NMS可选用小阈值以剔除更多冗余框;而在物体分布密集时,NMS选用大阈值,以获得更高的召回。既然如此,该文提出了密度预测模块,来学习一个框的密度。
优点:
- 可以与前面所述的各种NMS结合使用。
- 对遮挡案例更加友好。
缺点:
- 与Soft-NMS结合使用,效果可能倒退 (受低分检测框的影响)。
- 顺序处理模式,运算效率低。
- 需要额外添加密度预测模块,造成计算开销。
- 评判标准是IoU,即只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。
+中心点距离
DIoU-NMS
出现于Distance-IoU一文,研究者认为若相邻框的中心点越靠近当前最大得分框
的中心点,则其更有可能是冗余框。也就是说,考虑IoU相同的情况,如下所示
第一种相比于第三种越不太可能是冗余框。基于该观点,研究者使用所提出的DIoU替代IoU作为NMS的评判准则,公式如下:
研究者进一步比较了Traditional NMS和DIoU-NMS的性能,在YOLOv3和SSD上,选取NMS阈值为[0.43,0.48]。可以看到DIoU-NMS在每个阈值上都优于Traditional NMS,此外还值得一提的是,即便是性能最差的DIoU-NMS也比性能最好的Traditional NMS相当或更优,说明即便不仔细调整NMS阈值,DIoU-NMS也通常能够表现更好。
这里顺便一提,既然都比了[0.43, 0.48]的阈值,就让人比较好奇更宽的阈值范围会怎样?Traditional NMS会不会有反超DIoU-NMS的情况?当然我个人比较认同DIoU-NMS更优的范围会大一些,也就是NMS阈值不必精调也可放心使用DIoU-NMS。
优点:
- 从几何直观的角度,将中心点考虑进来有助于缓解遮挡案例。
- 可以与前述NMS变体结合使用。
- 保持NMS阈值不变的情况下,必然能够获得更高recall (因为保留的框增多了),至于precision就需要调
来平衡了。 - 个人认为+中心点距离的后处理可以与DIoU/CIoU损失结合使用,这两个损失一方面优化IoU,一方面指引中心点的学习,而中心点距离学得越好,应该对这种后处理思想的执行越有利。
缺点:
- 依然是顺序处理模式,运算效率低。
- DIoU的计算比IoU更复杂一些,这会降低运算效率。
- 在保持NMS阈值不变的情况下,使用DIoU-NMS会导致每次迭代剩余更多的框,这会增加迭代轮数,进一步降低运算效率。(经本人实测,
DIoU-NMS是Traditional NMS 起码1.5倍耗时
)
总结:
- 加权平均法通常能够稳定获得精度与召回的提升。
- 定位优先法,方差加权平均法与自适应阈值法需要修改模型,不够灵活。
- 中心点距离法可作为额外惩罚因子与其他NMS变体结合。
- 得分惩罚法会改变box的得分,打破了模型校准机制。
- 运算效率的低下可能会限制它们的实时应用性。
参考文献
- Soft-NMS --Improving Object Detection With One Line of Code. ICCV 2017
- Acquisition of Localization Confidence for Accurate Object Detection. ECCV 2018
- Inception Single Shot MultiBox Detector for object detection. ICME Workshop 2017
- Bounding Box Regression with Uncertainty for Accurate Object Detection. CVPR 2019
- Adaptive NMS: Refining Pedestrian Detection in a Crowd. CVPR 2019
- Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression. AAAI 2020