目标检测之七：Soft NMS

https://zhuanlan.zhihu.com/p/102817180

7.Soft NMS 软化非极大抑制

NMS后处理图示

NMS(Non-Maximum Suppression，非极大抑制）是检测模型的标准后处理操作，用于去除重合度（IoU）较高的预测框，只保留预测分数最高的预测框作为检测输出。Soft NMS由[6]提出。在传统的NMS中，跟最高预测分数预测框重合度超出一定阈值的预测框会被直接舍弃，作者认为这样不利于相邻物体的检测。提出的改进方法是根据IoU将预测框的预测分数进行惩罚，最后再按分数过滤。配合Deformable Convnets（将在之后的文章介绍），Soft NMS在MS COCO上取得了当时最佳的表现。算法改进如下：

Soft-NMS算法改进

上图中的即为软化函数，通常取线性或高斯函数，后者效果稍好一些。当然，在享受这一增益的同时，Soft-NMS也引入了一些超参，对不同的数据集需要试探以确定最佳配置。

解析Soft NMS论文的一个小知识点：Improving Object Detection With One Line of Code

可以根据论文Table3中对应AP@（置信度阈值）的  值设置iou_thr（nms）的值：

左边一半（红色框）是NMS，右边一半（绿色框）是Soft NMS。在NMS部分，相同  (置信度阈值）条件下（较小的情况下），基本上  值越大，其AP值越小。这主要是因为 值越大，有越多的重复框没有过滤掉。

左边一半（红色框）是NMS，右边一半（绿色框）是Soft NMS。

MMDetection中，Soft NMS 软化非极大抑制：（源码解析）

test_cfg = dict(
    rpn=dict(
        nms_across_levels=False,
        nms_pre=1000,
        nms_post=1000,
        max_num=1000,
        nms_thr=0.7,
        min_bbox_size=0),
      rcnn=dict(
        score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100)   # max_per_img表示最终输出的det bbox数量
    # soft-nms is also supported for rcnn testing
    # e.g., nms=dict(type='soft_nms', iou_thr=0.5, min_score=0.001)            # soft_nms参数