文章目录

NMS
ConvNMS(2016)
Soft-NMS(2017)
Weighted-NMS(2017)
IOU-Guided NMS (2018)
Pure NMS Network(2017)
Softer NMS (2019)
Adaptive NMS (2019)
DIOU NMS (2020)
Cluster NMS（2020）
NMS系列总结

NMS

NMS概述
NMS（non maximum suppression）是目标检测框架中的后处理模块，主要用于删除高度冗余的 bboxes，在一定区域内只保留属于同一种类别得分最大的框。

如下图，前面的网络可以给每个检测框一个score，score越大，说明检测框越接近真实值。
在这里插入图片描述
现在要去掉多余的检测框，分别在局部选出score最大框，然后去掉和这个框IOU＞阈值的框。

NMS的算法流程

从所有候选框中选取置信度最高的预测边界框B1作为基准，然后将所有与B1的IOU超过预定阈值的其他边界框移除。
从所有候选框中选取置信度第二高的边界框B2作为一个基准，将所有与B2的IOU超过预定阈值的其他边界框移除。
重复上述操作，直到所有预测框都被当做基准——这时候没有一对边界框过于相似

同一类别

如上图所示，NMS的处理流程如下：

「确定是物体集合」 $=\{$ 空集合 $\}$
Run 1: 先将BBox依照置信度排序，置信度最高的BBox (红色) 会被选入「确定是物体集合」内，其他BBox会根据这步骤选出最高的BBox进行loU计算，如果粉红色的loU为 0.6 大于我们设定的 0.5 ，所以将粉红色的BBox置信度设置为 0 。
此时「确定是物件集合」 $=\{$ 红色BBox $\}$
Run 2: 不考虑置信度为 0 和已经在「确定是物体集合」的BBox，剩下來的物体继续选出最大置信度的BBox，将此BBox(黄色)丟入「确定是物体集合」，剩下的BBox和Run2选出的最大置信度的 BBox计算loU，其他BBox都大于 0.5 ，所以其他的BBox置信度設置为 0 。
此时「确定是物件集合」 $=\{$ 红色BBox; 黄色BBox $\}$
因为沒有物体置信度> $>$ ，所以结束NMS。
「确定是物件集合」 $=\{$ 红色BBox; 黄色BBox $\}$ 。

如果把上述的IOU阈值设为0.7，则处理结果如下图。可以发现，阈值如果太高，会造成重复的检测。
在这里插入图片描述

多个类别
如果是多个类别，处理方法和上面的单个类别类似。只是辅助参考了p_dog和p_cat分类概率。
实际流程
先设定一个阈值，初步去掉一些候选的BBOX, 然后再做NMS。

NMS的局限性

循环步骤，GPU难以并行处理，运算效率低
以分类置信度为优先衡量指标分类置信度高的定位不一定最准，降低了模型的定位准确度
直接提高阈值暴力去除bbox 将得分较低的边框强制性地去掉，如果物体出现较为密集时，本身属于两个物体的边框，其中得分较低的框就很有可能被抑制掉，从而降低了模型的召回率，且阈值设定完全依赖自身经验。

ConvNMS(2016)

论文：《A Convnet for Non-maximum Suppression》

ConvNMS概述
其主要考虑IoU阈值设定得高一些，则可能抑制得不够充分，而将IoU阈值设定得低一些，又可能多个ture positive被merge到一起。其设计一个卷积网络组合具有不同overlap阈值的greedyNMS结果，通过学习的方法来获得最佳的输出。基础框架如下：
在这里插入图片描述
通过网络学习来获得一种泛化性能，是一种不错的思路，但是对于不同的场景要能起到作用应该需要重新训练及调参

Soft-NMS(2017)

论文：《Improving Object Detection With One Line of Code》
代码：soft-nms

Soft-NMS概述

nms的局限性 ：对于IOU>阈值的两个相邻的检测框，传统的NMS的做法是将其得分暴力置零，相当于直接舍弃。这样的做饭很有可能造成漏检，尤其在遮挡的场景下。

如上图，传统的NMS会把被遮挡的马的检测框删除。
Soft-NMS的思想：
对于与最高分框的IOU大于阈值的框M，我们不把他直接去掉，而是将他的置信度降低（添加惩罚项来抑制，IOU越大，抑制的程度也越大），这样的方法可以使多一些框被保留下来，从而一定程度上避免遮挡的情况出现。
如果只是把置信度降低，那么是不是原来周围的多个表示同一个物体的框也没办法去掉了?
Soft-NMS这样来解决这个问题，同一个物体周围的框有很多，每次选择分数最高的框，抑制其周围的框，与分数最高的框的IoU越大，抑制的程度越大，一般来说，表示同一个物体的框（比如都是前面的马）的IoU是会比另一个物体的框（比如后面的马）的IoU大，因此，这样就会将其他物体的框保留下来，而同一个物体的框被去掉。

Soft-nms算法
如下图所示，红色的部分表示原始的NMS算法，绿色的部分表示Soft-NMS算法，区别在于，绿色的框只是把si降低了，而不是把bi直接去掉，极端情况下，如果f只返回0，那么等同于普通的NMS。
在这里插入图片描述
f函数: 降低目标框的置信度，如果bi 和M的IOU越大，f(iou(M,bi))就越小。

两种惩罚函数：

线性函数
$s_i= \begin{cases}s_i, & \text { iou }\left(\mathcal{M}, b_i\right)<N_t \\ s_i\left(1-\operatorname{iou}\left(\mathcal{M}, b_i\right)\right), & \text { iou }\left(\mathcal{M}, b_i\right) \geq N_t\end{cases}$
高斯函数
$s_i=s_i e^{-\frac{\operatorname{iou}\left(\mathcal{M}, b_i\right)^2}{\sigma}}, \forall b_i \notin \mathcal{D}$

Weighted-NMS(2017)

论文：《Inception Single Shot MultiBox Detector for object detection》
代码：Weighted-Boxes-Fusion

Weighted-NMS

提出背景
NMS方法在一组候选框中选择分数最大的框作为最终的目标框。然而，非极大的检测结果保存了特征的最大值，因此忽略非极大的检测检测结果是不合适的。
$x=B_{\underset{i}{\operatorname{argmax} C_i}}$
Weighted-NMS思想
W-NMS通过分类置信度和IOU对同类物体所有的边框坐标进行加权平均，并归一化。其中加权对象包括M自身和IOU>阈值的相邻框。
假定所有的Box来自相同的物体，通过考虑非极大结果充分考虑了目标的信息，提出了如下的非极大权重（Non-Maximum Weighting）：
$\begin{gathered} b o x=\frac{\sum_{i=1}^n w_i \times B_i}{\sum_{i=1}^n w_i} \\ w_i=C_i \times \operatorname{iou}\left(B_i, B_i^{\operatorname{argmax} C_i}\right) \end{gathered}$

IOU-Guided NMS (2018)

论文：《Acquisition of Localization Confidence for Accurate Object Detection》
代码：vacancy/PreciseRoIPooling

IOU-Guided NMS概述

IOU-Guided 的提出背景
目标定位的两个缺点：

分类准确率和定位准确率的误匹配；

黄色：Groud-truth 绿色：位置置信度高红色：分类置信度高
下图为IoU与分类置信度，定位置信度的相关性示意图。可以看出，IoU与定位置信度高度相关（0.617），而与分类置信度几乎无关（0.217）。
边界框回归的非单调性。

基于回归的边界框改进，迭代的过程，定位准确率却在降低。

IOU-Guided NMS的思路
在一般检测的框架中，增加了一个额外的分支用来预测每个框的定位置信度(该框与GT的IoU,下图），然后用预测的IoU代替分类置信度作为NMS排序的关键，消除误导性分类置信度引起的抑制失效。

IOU-Guided NMS的算法流程
旷视 IOU-Net 论文提出了 IoU-Guided NMS，即一个预测框与真实框 IoU 的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 的学习。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 $M$ 。因此，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。
伪代码如下：
在这里插入图片描述

Pure NMS Network(2017)

论文：《Learning Non-Maximum Suppression》

Pure NMS Network概述
考虑目标间具有高遮挡的密集场景，其提出一个新的网络架构来执行NMS。经分析，检测器对于每个目标仅产生一个检测结果有两个关键点是必要的，一是一个loss惩罚double detections以告诉检测器我们对于每个目标仅需一个检测结果，二是相邻检测结果的joint processing以使得检测器具有必要的信息来分辨一个目标是否被多次检测。论文提出Gnet，其为第一个“pure”NMS网络。Gnet图示如下：
在这里插入图片描述

Softer NMS (2019)

《Bounding Box Regression with Uncertainty for Accurate Object Detection》

Softer NMS概述

提出背景
NMS 默认置信度分数较高的框，定位更精确，由于分类和回归任务没有直接相关性，因此这个条件并不总是成立。
如下图(a)中两个边界框位置都不够精确；(b)中置信度较高的边界框的左边界精确度较低。因此需要一种新的方法来衡量框的位置置信度。
解决方法
从Softer-NMS的公式来看，Softer-NMS可以看成是前面三种NMS变体的结合，即：其极大值的选择/设定采用了与类似Weighted NMS（加权平均）的方差加权平均操作，其加权的方式采用了类似Soft NMS的评分惩罚机制（受Soft-NMS启发，离得越近，不确定性越低，会分配更高的权重），最后，它的网络构建思路与IOU-Guided NMS相类似。
与 IOU-Guided NMS 区别 Softer-NMS 与 IOU-Guided NMS 的出发点同样是解决定位与分类置信度之间非正相关的问题，所采用的思路一样是增加一个定位置信度的预测，但不一样的是 IoU-Guided NMS 采用 IoU 作为定位置信度而 Softer-NMS 采用坐标方差作为定位置信度，具体的做法就是通过 $K L$ 散度来判别两个分布的相似性。

Softer NMS的算法流程
边界框参数化（预测一个分布替代唯一的定位）；训练时边框回归时采取KL损失；一个新的NMS方法提高定位准确性。
其中，Softer NMS 论文中有两个先验假设：
(1) Bounding box的是高斯分布
(2) ground truth bounding box是狄拉克delta分布（即标准方差为 0 的高斯分布极限）。
当选择了最大分数的b之后，它的新位置根据它自身和邻居框计算。受Soft-NMS启发，离得越近，不确定性越低，会分配更高的权重。新的坐标计算如下：
$\begin{aligned} & p_i=e^{-\left(1-I o U\left(b_i, b\right)\right)^2 / \sigma_t} \\ & x=\frac{\sum_i p_i x_i / \sigma_{x, i}^2}{\sum_i p_i / \sigma_{x, i}^2} \\ & \quad \text { subject to } \operatorname{IoU}\left(b_i, b\right)>0 \end{aligned}$
在这里插入图片描述

Adaptive NMS (2019)

论文：《Adaptive NMS: Refining Pedestrian Detection in a Crowd》

Adaptive NMS的概述

Adaptive NMS的提出背景
使用单一阈值的NMS会面临这种困境：较低的阈值会导致丢失高度重叠的对象（图中蓝框是未检测出来的目标），而较高的阈值会导致更多的误报（红框是检测错误的目标）。这在密集场景下，如行人检测中，会导致较低的准确率。
Adaptive-NMS的思想
Adaptive NMS应用了动态抑制策略，其中阈值随着目标聚集和相互遮挡（密度）而上升，并在目标单独出现时衰减。并设了一个自网络用于学习密度的分数。

对于远离M的检测框，它们被误报的可能性较小，因此应该保留它们。
对于高度重叠的相邻检测，抑制策略不仅取决于与M的重叠，还取决于M是否位于拥挤区域。如果M位于拥挤的区域，其高度重叠的相邻框很可能是真正的正例，应该分配较轻的惩罚或保留。但是对于稀疏区域中的实例，惩罚应该更高以修剪误报。

Adaptive-NMS的算法流程
对于每个目标的密度，定义如下：
$d_i:=\max _{b_j \in \mathcal{G}, i \neq j} \operatorname{iou}\left(b_i, b_j\right)$
依据这个定义，则更新策略为:
$\begin{gathered} N_{\mathcal{M}}:=\max \left(N_t, d_{\mathcal{M}}\right) \\ s_i= \begin{cases}s_i, & \operatorname{iou}\left(\mathcal{M}, b_i\right)<N_{\mathcal{M}} \\ s_i f\left(\operatorname{iou}\left(\mathcal{M}, b_i\right)\right), & \operatorname{iou}\left(\mathcal{M}, b_i\right) \geq N_{\mathcal{M}}\end{cases} \end{gathered}$
其中 $N_M$ 表示 $M$ 的Adaptive NMS 阈值， $d M$ 是目标 $M$ 覆盖的密度。
可以看出，这个抑制措施具有三个属性:

当相邻box远离 $M$ 时，即 $\operatorname{loU}(\mathrm{M}, \mathrm{bi})<N t$ ，他们的分值仍为 si；
如果M位于拥挤区域, 即 $\mathrm{dM}>\mathrm{Nt}$ , 则NMS的阈值为 $M$ 的密度 $d M$ 。因此，相邻的边框被保留，既然它们非常可能定位到M周围的其他目标。
如果目标在稀疏区域，即 $\mathrm{dM}<=\mathrm{Nt}$ , 则 $NMS$ 的阈值为 $\mathrm{Nt}_{\text {。 }}$

文中将密度估计看作一个回归问题，使用如下的三层的卷积子网络进行预测,采用Smooth L1 损失。
在这里插入图片描述
因为检测器的输出特征只包含目标本身的信息，也就是语义特征和位置，难以直接进行目标密度的预测，因为密度信息除了需要目标本身的特征图外，还需要周围目标的信息。论文首先使用11卷积层降维，然后concatenate降维后的特征与objectness和bounding boxes，作为Density-subnet的输入。而且，在最后一层应用55的大卷积核将周围的信息考虑进去。

如下，是Adaptive NMS的伪代码，与基本NMS算法相比仅替换了阈值。
在这里插入图片描述

DIOU NMS (2020)

论文：《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》
代码：DIOU

DIOU-NMS概述
NMS在DIoUloss一文中提出，在nms过程中采用DIoU的计算方式替换了IoU，由于DIoU的计算考虑到了两框中心点位置的信息，故使用DIoU进行评判的nms效果更符合实际，效果更优。

$s_i= \begin{cases}s_i, & \text { IoU }-R_{\text {DIoU }}\left(M, B_i\right)<\varepsilon \\ 0, & \text { IoU }-R_{\text {DIoU }}\left(M, B_i\right) \geq \varepsilon\end{cases}$

Cluster NMS（2020）

论文：《Enhancing Geometric Factors in Model Learning and Inference for Object Detection and Instance Segmentation》
代码：CIoU

Cluster NMS的概述
研究者主要旨在弥补Fast NMS的性能下降，期望也利用pytorch的GPU矩阵运算进行NMS，但同时又使得性能保持与Traditional NMS相同，此外作者在这其中加入了很多其他的操作，如得分惩罚机制（SPM），加中心点距离（DIOU），框的加权平均法（Weighted NMS）

NMS系列总结

根据是否需要训练分类
不需要训练的NMS方法（NMS、Soft-NMS、Weighted-NMS、Cluster-NMS）
需要训练的NMS（ConvNMS、PureNMS、 IOU-GuidedNMS、AdaptiveNMS）
根据改进策略进行分类
带权重的NMS(Soft NMS, Softer NMS，Weighted NMS)
考虑定位的NMS(IOU-Guided NMS)
阈值自适应的NMS(Adaptive NMS)
并行的NMS(Fast NMS, Cluster NMS)

NMS系列(NMS,Soft-NMS,Weighted-NMS,IOU-Guided NMS,Softer-NMS,Adaptive NMS,DIOU NMS,Cluster NMS)