首发：AI公园公众号
编译：ronghuaiyang
导读
基于IoU的NMS实际上是一种贪心算法，这种方法得到的结果往往不是最优的，Confluence给出了另一种选择。
论文地址：https://arxiv.org/abs/2012.00257
摘要：文章提出另一种NMS的替代的方法，这种方法不是只依赖单个框的得分，也不依赖IoU去除冗余的框，它使用曼哈顿距离，在一个cluster中选取和其他框都是距离最近的那个框，然后去除那些附近的高重合的框。
1. 介绍
在当前的主流的物体检测中，NMS都是很必要的，如下图1，NMS其实是一种贪心算法，每次取一个得分最高的框，然后抑制掉其他和这个框重叠过多框，所以NMS的结果并不是最优的，因此，出现了很多对NMS的改进，比如soft NMS，或者替代的方法，有些依赖于聚类，有些依赖空间上的共现关系，有些使用霍夫变换，还有些基于端到端的训练的方法。
2. 方法
文章提出的方法叫做：Confluence，这个方法的主要思路并不是要把大量的检测结果抑制掉，而是想办法从中识别出最优的框，这是通过识别出和其他的框交汇最多的那个框来实现的。Confluence是一个2阶段的方法，可以保留最佳的框，抑制掉假阳框，通过曼哈顿距离来度量框之间的相关性，然后通过置信度加权，得到最优的那个框，然后再通过和这个框的交汇程度来去掉其他的假阳框。
2.1 曼哈顿距离
2.2 归一化
2.3 保留簇内的最优框以及去除冗余框
所有的坐标归一化到0~1之后，两个有相交的框之间的接近度量会小于2，因此，只要两个框之间的P值小于2，就属于同一个cluster，一旦cluster确定了之后，就可以找到最优的簇内框。然后，设置一个阈值，所有和这个最优框的接近度小于这个阈值的框都会去掉，然后对所有的框重复这个操作。
2.4 置信度得分加权
2.5 实现步骤
算法流程如下：
1、对所有的类别进行遍历。
2、得到对应类别的所有的检测框。
3、计算对应类别的所有检测框的两两接近度p，计算的时候使用坐标的归一化。
4、遍历对应类别中的每一个检测框，对每个检测框，把p值小于2的归到一个簇里面，并计算对应的置信度加权接近度。
5、找到一个簇里面具有最小加权p值（最优）的那个框，找到之后，保存这个框，并且将其从总的框列表里删除。
6、对于其他的所有的框，其接近度小于预设阈值的全部去除。
7、循环处理所有的框。
每个步骤的计算复杂度都为O(N)，总的Confluence的复杂度为。
3. 结果
在不同的方法上的效果：
总的来说，还是有效果的，特别是对recall的提升效果更好一点，可以保留之前NMS由于IoU过大而过滤掉的一些TP。
下面是一些具体的例子：
右边黄框的人由于在使用NMS的时候，由于IoU和红色的框过大而被抑制掉了。
左边的Confluence给出的黄色框为最优框，右边NMS的给出的黄色框为次优框，因为最优框和其他的置信度更高的框的IoU太大，被抑制了。
还有一些例子如下：
总的来说，这个一个有效的方法，但是从COCO和VOC上的效果来说，虽然有效，但是提升不大。不过，这也和数据集有关，从这个方法的原理来看，最大的好处是可以保留一些原本使用NMS的时候被IoU抑制掉的TP，这在比较拥挤的检测场景中，可能会有更加明显的效果。
—END—
论文链接：https://arxiv.org/abs/2012.00257
推荐阅读
关注图像处理，自然语言处理，机器学习等人工智能领域,请点击关注AI公园专栏。
欢迎关注微信公众号
