【NMS总结】：一文打尽目标检测NMS——精度提升

在这里插入图片描述

总体概要：

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。

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。

分类优先：传统NMS，Soft-NMS (ICCV 2017)
定位优先：IoU-Guided NMS (ECCV 2018)
加权平均：Weighted NMS (ICME Workshop 2017)
方差加权平均：Softer-NMS (CVPR 2019)
自适应阈值：Adaptive NMS (CVPR 2019)
+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：
在这里插入图片描述
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
在这里插入图片描述
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。

线性惩罚：
在这里插入图片描述
其中 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：
在这里插入图片描述
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。
在这里插入图片描述
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，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，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

在这里插入图片描述

多框共同决定一框

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 自身以及IoU≥NMS阈值的相邻框。
在这里插入图片描述
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 w_i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：
在这里插入图片描述
其中

抛弃了得分 s_i ，而只与IoU有关。
在加权平均的过程中，权重越大有两种情形：1. 与 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大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。
在这里插入图片描述
一个GT框 B _i 的密度标签定义如下：

模型的输出将变为 ( x , y , w , h , s , d ) ，分别代表box坐标，宽高，分类得分，密度，其中密度 d dd 越大，代表该框所处的位置的物体分布越密集，越有可能是遮挡严重的地方；反之密度 d dd 越小，代表该框所处的位置的物体分布越稀疏，不太可能有遮挡。

论文以Traditionnal NMS和Soft-NMS的线性惩罚为基础，将每次迭代的NMS阈值更改如下：
在这里插入图片描述
其中 t h r e s h threshthresh 代表最小的NMS阈值。

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 M MM 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
在这里插入图片描述

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：
在这里插入图片描述
由公式可以看出，

当 β → ∞ 时，DIoU退化为IoU，此时的DIoU-NMS与Traditional NMS效果相当。
当 β → 0 时，此时几乎所有中心点不与 M MM 重合的框都被保留了。

在这里插入图片描述
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。
在这里插入图片描述
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 β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5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：