[论文阅读]:Improving Object Detection With One Line of Code

soft nms

在目标检测中,非极大值抑制是重要的组成部分,然而它存在一个问题:他会把相邻的边界框iou大于一定阈值的直接置成0,所以可能会导致丢框现象出现,会降低评测指标。论文提出的方法,是会降低和M iou大于一定阈值的score,还是会在rank list里,并不是直接删除

A major issue with non-maxinmum suppresion is that it sets the score for neighboring detections to zero.Thus,if an object was actually presnet in that overlap threshold,it would be missed and this would lead to a drop in average precision.However,if we lower the detection scores as a function of its overlap with M,it would still be in the ranked list,although with a lower confidence.We show an illustration of the problem in Fig1.

原始nms公式
在这里插入图片描述
soft nms公式
在这里插入图片描述
这个公式是不连续的,所以提出了下面这个公式
在这里插入图片描述

实验结果

在这里插入图片描述
论文里,设置Nt是0.3, σ \sigma σ设置成0.5.在coco数据集上,R-FCN和Faster RCNN分别提升了1.3%和1%。在Pascal voc 07数据集上,Faster RCNN和RFCN都提升了1.7%,但是对于SSD和Yolo v2只提升了0.5,这是因为sofnms建立在高召回的基础上
softnms对与重叠物体具有很好的适应性,就像fig 1所示那样,论文也提到对于斑马,大象等性能提升很大,而对于烤面包机,吹风机提升很小,因为他们不太可能在同一图像中出现多次

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值