【实验】bayes nms的缺点

0.实验设计

首先通过ap指标来分析为什么bayes nms的效果差（在faster上面），之后结合nms动画来具体分析原因。

1. 整体

序号	AP/AR	说明	Normal	Bayes	Bayes（原始score）
1	Average Precision (AP)	@[ IoU=0.50:0.95 area= all maxDets=100 ]	0.377	0.371	0.375
2	Average Precision (AP)	@[ IoU=0.50 area= all maxDets=100 ]	0.592	0.581	0.588
3	Average Precision (AP)	@[ IoU=0.75 area= all maxDets=100 ]	0.411	0.404	0.407
4	Average Precision (AP)	@[ IoU=0.50:0.95 area= small maxDets=100 ]	0.219	0.212	0.218
5	Average Precision (AP)	@[ IoU=0.50:0.95 area=medium maxDets=100 ]	0.414	0.407	0.411
6	Average Precision (AP)	@[ IoU=0.50:0.95 area= large maxDets=100 ]	0.487	0.483	0.485
7	Average Recall (AR)	@[ IoU=0.50:0.95 area= all maxDets= 1 ]	0.310	0.311	0.311
8	Average Recall (AR)	@[ IoU=0.50:0.95 area= all maxDets= 10 ]	0.496	0.498	0.498
9	Average Recall (AR)	@[ IoU=0.50:0.95 area= all maxDets=100 ]	0.519	0.521	0.522
10	Average Recall (AR)	@[ IoU=0.50:0.95 area= small maxDets=100 ]	0.323	0.322	0.324
11	Average Recall (AR)	@[ IoU=0.50:0.95 area=medium maxDets=100 ]	0.557	0.560	0.559
12	Average Recall (AR)	@[ IoU=0.50:0.95 area= large maxDets=100 ]	0.659	0.664	0.664

对比可以发现bayes的AR增加了，但是AP反而降低了。小物体的AR减少了一些。
Bayes NMS改变的是score。
score的改变对最终指标(mAP)的影响有两方面：

• nms过程中的局部极大值改变（主要影响Recall）。这就有好有坏了。好：更准->score更高，更可能是局部极大值。
• 计算AP时det的顺序（主要影响Precision）。好：更准->score更高。

AR的降低有两种可能，都出在NMS的过程中：

1. score降低，被nms的maxDet=100排除掉。
2. 优质det的score被降低，被劣质det给抑制掉。

2.NMS后的匹配质量

整体来说，并没有出现soft-nms中那样多出好几个框的情况。匹配框的质量有所提高。比如img_id=1296:
Normal
Bayes:

框的质量提升了。

3. 具体分析

方法为观察每一张图片的AP，寻找那些Bayes比Normal差（AP小）的图片，并根据nms动画寻找原因。
用到的文件夹有：
nms动画
\nms_anime_nms_Faster_r50_Baye_nms
\nms_anime_nms_Faster_r50_Normal_nms
ap的差（Bayes - base）：
\BAYE_SUB_BASE_COMPARE
每张图片的ap：
\BAYE_BASE_PR

img_id=1296

1296中一共有4个物体，上面的“NMS后的匹配质量”中的两张图片就是1296的匹配结果，Bayes（简称B）和Normal（简称N）的匹配结果是一致的，甚至Bayes的效果还要好一些，因为其匹配的dt质量更高。但是Bayes的AP低了很多。
具体的AP结果如下：
Normal：

Bayes：

为何？
观察动画：
Normal：


而对于同一个物体，BayesNMS如下：

B的顺序和N的相反，这是因为那些小框更加密集，所以分数更高。顺序一反，第一个框就成了FP，自然AP就降低了。

img_id = 10363

主要原因是Recall的下降，并且是中、大物体的Recall下降。
Normal：

Bayes：

可以看出来框的质量下降了。这是因为score的改变
优质框：0.522 -> 0.538
劣质框：0.501 -> 0.580
两个框的分数都有所提升。但是由于劣质框周边有更近的Det，导致bayes后的score更高。进而在nms的过程中，劣质框将优质框抑制掉。