Soft-NMS论文链接

Soft-NMS介绍

针对原始NMS过于hard的问题，论文中提出了Soft-NMS进行解决。

那原始的NMS有什么问题呢？

我们先看下面的图：

在上图中，检测算法本来应该输出两个框，但是原始的NMS算法可能会把score较低的绿框过滤掉（如果绿框和红框的IOU大于设定的阈值就会被过滤掉），导致只检测出一个object（一个马），显然这样object的recall就比较低了。

而Soft-NMS比起原始NMS将bbox的得分置零，使用稍低一点的分数代替原有的分数。

另外由于Soft NMS可以很方便地引入到object detection算法中，不需要重新训练原有的模型，因此这是该算法的一大优点。

Soft-MNS的流程

上图清晰的介绍了整个算法流程。

比起原始的NMS，Soft-NMS将IOU值作为函数的输入，并将函数的结果与该bbox的得分相乘作为最后改bbox的得分。

下图是原始NMS的公式：

为了改变NMS这种hard threshold做法，并遵循iou越大，得分越低的原则（iou越大，越有可能是false positive），论文中用下面这个公式来表示Soft NMS：

但是上面这个公式是不连续的，这样会导致box集合中的score出现断层，因此就有了下面这个Soft NMS式子（也是大部分实验中采用的式子）：

实验结果

深度学习_目标检测_Soft-MNS详解相关推荐

深度学习_目标检测_SPP(Spatial Pyramid Pooling)详解
在目标检测领域,很多检测算法最后使用了全连接层,导致输入尺寸固定.当遇到尺寸不匹配的图像输入时,就需要使用crop或者warp等操作进行图像尺寸和算法输入的匹配.这两种方式可能出现不同的问题:裁剪的区 ...
深度学习_目标检测_YOLOv1,v2,v3,v4,v5,v6,v7全系列详解（持续更新）
[Make YOLO Great Again]栏目专注于从更实战,更深刻的角度解析YOLOv1-v7这个CV领域举足轻重的算法系列,并给出其在业务侧,竞赛侧以及研究侧的延伸思考.欢迎大家一起交流学习
深度学习_目标检测 R-CNN 论文笔记
向AI转型的程序员都关注了这个号
深度学习_目标检测（二）——ODA（三）TensorFlow API版本（一）尝试使用
目录 Object Detection API Step 1/x ODA配置描述材料准备工作 Step 2/x ODA验证 Step 3/x ODA数据
深度学习之目标检测（十一）--DETR详解
深度学习之目标检测(十一)-- DETR详解目录深度学习之目标检测(十一)-- DETR详解 1. 前言 2. DETR 框架 2.1 CNN Backbone 2.2 Transformer E ...
深度学习（十四）——Softmax详解, 目标检测, RCNN
https://antkillerfarm.github.io/ Softmax详解首先给出Softmax function的定义: yc=ζ(z)c=ezc∑Cd=1ezd for c=1,-,C ...
深度学习之目标检测（五）-- RetinaNet网络结构详解
深度学习之目标检测(五)-- RetinaNet网络结构详解深度学习之目标检测(五)RetinaNet网络结构详解 1. RetinaNet 1.1 backbone 部分 1.2 预测器部分 1. ...
病虫害模型算法_基于深度学习的目标检测算法综述
sigai 基于深度学习的目标检测算法综述导言目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是机器视觉领域的核心问题之一.由于各类物体有不同的外观,形状,姿态,加上成像 ...
独家总结| 基于深度学习的目标检测详解
欢迎关注微信公众号[计算机视觉联盟] 获取更多前沿AI.CV资讯基于深度学习的目标检测基于深度学习的目 ...

深度学习_目标检测_Soft-MNS详解

Soft-NMS介绍

Soft-MNS的流程

实验结果

深度学习_目标检测_Soft-MNS详解相关推荐

最新文章

热门文章