什么是soft matting方法_NMS、 soft-nms、softer-nms

NMS检测框合并策略

一.NMS

1.NMS算法过程

NMS主要就是通过迭代的形式，不断的以最大得分的框去与其他框做IoU操作，并过滤那些IoU较大（即交集较大）的框。

①根据候选框的类别分类概率做排序，假如有4个 BBox ，其置信度A>B>C>D。

②先标记最大概率矩形框A是算法要保留的BBox；

③从最大概率矩形框A开始，分别判断ABC与D的重叠度IOU（两框的交并比）是否大于某个设定的阈值(0.5)，假设D与A的重叠度超过阈值，那么就舍弃D；

④从剩下的矩形框BC中，选择概率最大的B，标记为保留，然后判断C与B的重叠度，扔掉重叠度超过设定阈值的矩形框；

⑤一直重复进行，标记完所有要保留下来的矩形框。

two stage算法，通常在选出BBox有BBox位置(x,y,h,w)和是否是目标的概率，没有具体类别的概率。因为程序是生成BBox，再将选择的BBox的feature map做rescale (一般用ROI pooling)，然后再用分类器分类。NMS一般只能在CPU计算，这也是two stage相对耗时的原因。

但如果是one stage做法，BBox有位置信息(x,y,h,w)、confidence score，以及类别概率，相对于two stage少了后面的rescale和分类程序，所以计算量相对少。

2.NMS缺点

1、NMS算法中的最大问题就是它将相邻检测框的分数均强制归零(即将重叠部分大于重叠阈值Nt的检测框移除)。在这种情况下，如果一个真实物体在重叠区域出现，则将导致对该物体的检测失败并降低了算法的平均检测率。

2、NMS的阈值也不太容易确定，设置过小会出现误删，设置过高又容易增大误检。

3、NMS一般只能使用CPU计算，无法使用G