WBF：优化目标检测，融合过滤预测框

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”

因公众号更改了推送规则，记得读完点“在看”~下次AI公园的新文章就能及时出现在您的订阅列表中

---

作者：Mostafa Ibrahim

编译：ronghuaiyang

导读

WBF已经成为优化目标检测的SOTA了。

目标检测是计算机视觉中最常见、最有趣的任务之一。最近的SOTA模型，如YOLOv5和EfficientDet，令人印象深刻。本文将介绍一种新的SOTA新技术，称为加权框融合，它优化了一个很大的目标检测问题。这是一种先进的目标检测技术，我是在当前的VinBigData Kaggle比赛中遇到它的。

如果你熟悉目标检测的工作原理，你可能知道总有一个主干CNN来提取特征。还有另一个阶段，要么生成区域建议(可能的边界框)，要么过滤已经提出的建议区域。这里的主要问题是，这根本不是一个简单的任务，它实际上相当困难。这就是为什么物体检测模型要么生成很多框，要么生成的边框不够，最终导致平均精度较低的原因。已经提出了几种算法来处理这个问题，我会首先讨论一下。

如果你不感兴趣理论解释，你可以跳到最后编码教程中，我将展示如何将这种技术应用到一个非常具有挑战性的数据集上，我一直在努力的VinBigData。

给大家介绍一下背景，这个比赛是关于用x光检查肺部疾病的。你的模型必须能够区分14种不同的疾病，并且对每种疾病预测出疾病所在的边界框。这变得更加困难，因为每个图像可能有不止一种疾病(因此你必须预测多个不同的边界框)。

第一个问题是，这些疾病是由多个不同的放射科医生标记的，对于同一种异常可能有多个不同的边界框。所以我们必须过滤这些(或者在本例中“融合”它们)，以避免混淆我们的模型。

第二个问题是一些密集疾病区域包含多个标签，这意味着一个小的包围框可以有多个疾病标签。如果我们使用像NMS这样的东西，会很困难，因为我们是根据IoU过滤框。因此，像NMS这样的方法很可能会删除有用的框。

注意，所有这些技术都可以以两种方式使用。要么对数据进行预处理，以过滤掉不精确标记的边界框(这就是我在这里将要做的)，要么过滤掉你为提高准确性而训练的模型预测的边界框(或两者兼用)。

我将讨论每一种技术，包括使用该技术之前和之后的边界框的可视化。

1、非极大值抑制（NMS）

如果你熟悉目标检测，那么你可能听说过NMS。考虑到目标检测模型的每次预测都由包围框坐标、类标签和置信分数组成，NMS的工作如下：

• 如果框与框的IoU高于指定的阈值参数，则这些框将被过滤为1个框。IoU本质上是两个框之间的重叠量。

这里的主要挑战是，如果这些物体靠的很近，其中一个将被过滤掉(因为IoU将相当高)。

2、Soft-NMS

第二种方法试图通过一种更“soft”的方法来解决NMS的主要问题。它不会完全移除那些IoU高于阈值的框，而是根据IoU的值降低它们的置信度分数。

“Soft”方法导致过滤掉更少的框(这就是为什么与NMS相比，右边的框更多)。

3、加权框融合 (WBF)

WBF算法的工作方式与NMS不同。它有点长，而且确实涉及到很多数学方程，但我将尽我最大的努力给你一个简单的概述，而不是让你厌烦的细节。

首先，它将所有边界框按照置信度分数的递减顺序进行排序。然后，它生成另一个可能的框“融合”(组合)列表，并尝试检查这些融合是否与原始框匹配。它通过检查IoU是否大于指定的阈值(hyperparameter)来实现这一点。

然后，它使用一个公式来调整坐标和框列表中所有框的置信度分数。新的置信度仅仅是它被融合的所有框的平均置信度。新坐标以类似的方式融合(平均)，除了坐标是加权的(意味着不是每个框在最终融合的框中都有相同的贡献)。权重的值由置信度决定，这是有意义的，因为较低的置信度可能表明预测不正确。

当然，这是高层次的，如果你想深入研究数学和低层次的细节，我建议你查看这篇论文：https://arxiv.org/abs/1910.13302。然而，公平地说，当我理解某些东西如何在高层次上工作，实现它，测试它，然后只有在需要时才回到底层细节时，我通常会获得最大的价值。如果你总是钻研低层次的细节，你最终会了解到理论是如何工作的，但却无法真正实现其中的大部分。

值得一提的是，还有第四种方法称为非最大加权融合，它的工作方式与WBF类似，但性能不如WBF。这是因为它不会改变方框的置信值，而是使用IoU值来衡量方框，而不是更精确的度量，即置信值。他们的表现相当接近：

代码部分

理论部分已经讲够了，让我们开始写代码吧，衡量这篇论文是否真的好，最好的方法之一就是看看他们是否发布了高质量的代码，在这种情况下，他们确实发布了。你可以在https://github.com/ZFTurbo/Weighted-Boxes-Fusion上查看它。

它们提供了一个易于使用的库。下面是一个例子：

boxes, scores, labels = weighted_boxes_fusion(boxes_list, scores_list, labels_list, weights=weights, iou_thr=iou_thr, skip_box_thr=skip_box_thr)

如果你想尝试其他方法，你可以将“weighted_boxes_fusion”替换为“nms”或“soft_nms”，或“non_maxmimum_weighted”，它会工作得很好。我发现这个库/技术的最初原因是，在Kaggle的VinBigData竞赛中，数据集存在两个主要问题，导致物体检测模型性能不佳。

原来的数据包括边界框，每个图像的标签。所以这些将是上面WBF函数输入的一部分

因为我们将在这里使用它进行预处理，所以我们可以将“权重”和“得分”设置为1，这样每个框都将被平等对待(因为我们还没有预测)。这个库非常简单，只需要一行代码，传入一个边界框和分数列表，然后返回一个更干净的列表。

—END—

英文原文：https://towardsdatascience.com/wbf-optimizing-object-detection-fusing-filtering-predicted-boxes-7dc5c02ca6d3

请长按或扫描二维码关注本公众号

喜欢的话，请给我个在看吧！