[论文解读]CVPR2019|Adaptive NMS:Refining Pedestrian Detection in a Crowd

题目：Adaptive NMS:Refining Pedestrian Detection in a Crowd
作者：Songtao Liu、Di Huang 、Yunhong Wang

Motivation:
作者认为Soft NMS 与Greedy NMS 一样，只能在一定程度上解决目标不被NMS筛掉；如果降低阈值则会导致准确率下降。因此提出Adaptive NMS。

Related works:
先定义一个object density:
$$\begin{gathered} d_i=Max(iou(b_i,b_j)),其中b_i\in G,i\ne j \\ {N}_M=Max(Nt,d_M),N_t为GreedyNMS中的阈值，d_M为密度值 \\ {s}_i=\{\begin{array}{rcl}{s}_i& & iou(M,b_i)<N_M\\ s_i\ast f(iou(M,b_i))& & iou(M,b_i)>N_M\end{array} \end{gathered}$$

因此，只要求到$d_M$就可以了；

object density，$d_M$求法：

对于每个bbox对应一个$d_i$,因此，可根据上述求法，在classes 和 bbox 外加一层预测 density的方法；

Experiment:

相比NMS，SOFT NMS，Adaptive NMS的效果是相对最好的；