目标检测之Softer-NMS

一、目标检测之Softer-NMS

Bounding Box Regression with Uncertainty for Accurate Object Detection

论文链接：https://arxiv.org/abs/1809.08545
论文翻译：https://blog.csdn.net/weixin_42662134/article/details/88967206
论文详解：https://blog.csdn.net/lcczzu/article/details/86518615
论文代码：https://github.com/yihui-he/softer-NMS

二、Softer-NMS算法

1、论文动机

目前NMS会出问题的情况：

1）所有的候选包围框都不够精确（这时候该选择哪一个？或者有没有可能综合这些候选框的信息提高精度？）；

2）拥有高的分类分数的候选包围框不精确（如何更有效地评价候选框的定位精度？）

如下图：

图中（a）展示了2个均在某些坐标不精确的候选包围框，（b）展示了定位精度高的候选框分类分数较低。

以上检测失败的例子都表明，定位置信度并不是与分类置信度强相关（事实上好的分类器应该对定位信息不敏感）。

2、论文算法思想

首先假设预测的bounding box的是高斯分布：
ground truth bounding box是狄拉克delta分布（既标准方差为0的高斯分布极限）：

上个式子里面的delta分布是当高斯分布的σ趋于0时的极限分布，大概就是这样：

当σ越小，曲线越瘦高，当σ非常小的时候，几乎是一条竖直的线，同时σ越小，表示越确定，因此1−σ可以作为置信度的。

网络架构：

KL 散度用来衡量两个概率分布的非对称性度量，KL散度越接近0代表两个概率分布越相似。

论文提出的KL loss，即为最小化Bounding box regression loss，即Bounding box的高斯分布和ground truth的狄拉克delta分布的KL散度。直观上解释，KL Loss使得Bounding box预测呈高斯分布，且与ground truth相近。而将包围框预测的标准差看作置信度。

我们估计值的高斯分布，对应蓝色和灰色的曲线。橙色的曲线是ground-truth对应的狄拉克函数。当预测bbox位置没被估计准确，我们期望预测结果有更大的方差，这样Lreg会比较低（蓝色）。

使用KL loss进行回归：

最终推导后损失函数：

为了避免梯度爆炸，我们的网络实际中预测的是α=log(σ²)α=log(σ²)，而不是σ；

var voting（方差投票）：

得到上述置信度，即可以在Soft NMS后进一步改进，将大于一定重叠度阈值Nt的候选包围框根据置信度加权平均。（因为在训练的时候寻求包围框预测的方差小，所以这一步加权平均后不会出现框出来“四不像”的情况）

计算过程如下：

结果