1、Soft-NMS可以很方便地引入到object detection算法中,不需要重新训练原有的模型、代码容易实现,不增加计算量(计算量相比整个object detection算法可忽略)。并且很容易集成到目前所有使用NMS的目标检测算法。 2、soft-NMS在训练中采用传统的NMS方法,仅在推断代码中实现soft-NMS。作者应该做过对比试验,在训练过程中采用...
前天arXiv新上论文《Softer-NMS: Rethinking Bounding Box Regression for Accurate Object Detection》,来自卡内基梅隆大学与旷视科技的研究人员在文中提出了一种新的非极大抑制算法Softer-NMS,显著改进了目标检测的定位精度,代码已经开源,目前Github上的Star已超100,可谓短短两天已经引起了不小的关注。 作者信息: 目前N...
Soft-NMS的实现过程包括输入所有检测框和得分矩阵，通过Gaussian penalty function对IoU超过N的框进行降分，并保留那些得分高于soft_threshold的候选框。与传统NMS相比，Soft-NMS关注位置偏差信息，通过KL loss结合高斯分布的预测，同时考虑位置精度和类别置信度，进一步优化检测框的召回质量。在实验部分，作者通...
Bounding Box Regression with Uncertainty for Accurate Object Detection (CVPR'19) - ethanhe42/softer-NMS