论文阅读: Soft-NMS

最新推荐文章于 2024-11-15 19:07:00 发布
原创 最新推荐文章于 2024-11-15 19:07:00 发布 · 1.7k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

Soft-NMS通过调整传统NMS算法，不再直接删除高度重叠的目标框，而是降低其置信度，有效避免了误删问题。该方法尤其适用于高度重叠物体的场景，能提高检测精度。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Introduction

传统的NMS (Non-Maximum Supression)去重过程如下：
这里写图片描述

但是对于两个“高度重合的object”，却容易“误杀”，导致只剩下一个bbox：
这里写图片描述

Innovation

针对传统的NMS计算公式：
这里写图片描述

Bharat Singh等人提出了soft版的NMS：
这里写图片描述

即：

不再删除所有与highest-score的bbox大于IoU阈值的框，而改为降低它们的置信度。

根据新公式易知，soft-nms对于 低overlap (注意不是低score)的bbox 保留得更好 。

落实到代码中真的就是“One line of code”：
这里写图片描述

Result

作者的实验显示，在相同召回率的情况下，不论阈值取0.6、0.7还是0.8，Soft-NMS的accuracy都要稍高过传统NMS一丢丢：
这里写图片描述

作者找了一些higly-overlap objects的场景图来验证Soft-NMS的优越性：
这里写图片描述

Thinking

  • Soft-NMS加强了对highly-overlap objects的正确区分，同时却也削弱了对light-overlap objects的区分能力；

  • 本质上是对overlap情形的一种overfit，所以它只能算是对trade-off的offset；

  • 只有在highly-overlap objects的场景下才能真正发挥作用，普通场景下并没有多少highly-overlap，所以甚至可能有反效果；

  • 个人觉得Soft-NMS其实可以叫做“Overlap-NMS”。

[1] Soft-NMS – Improving Object Detection With One Line of Code

【YOLO】Softer-NMS 详解
浩瀚之水的专栏
05-20 307
Softer-NMS是目标检测中非极大值抑制（NMS）的改进算法，由卡内基梅隆大学与旷视科技联合提出。该算法通过高斯分布建模和置信度加权平均，解决了传统NMS中分类置信度与定位置信度不匹配的问题，显著提升了定位精度。Softer-NMS的核心思想是利用KL散度优化预测框的分布，使其更接近真实框的分布，并通过加权平均提升最终框的定位精度。
YOLOv8改进策略【损失函数篇】| 引入Soft-NMS，提升密集遮挡场景检测精度，包括GIoU-NMS、DIoU-NMS、CIoU-NMS、SIoU-NMS、 EIou-NMS
Limiiiing的博客
12-11 1763
传统的非极大值抑制（NMS）算法在目标检测中存在一个问题，即当一个物体的检测框与具有最高得分的检测框M有重叠（在预定义的重叠阈值内）时，会将该检测框的得分设置为零，从而导致该物体可能被遗漏，降低了平均精度。为了解决这个问题，作者提出了Soft-NMS算法。本文将YOLOv8默认的NMS修改成GIoU-NMSDIoU-NMSCIoU-NMSSIoU-NMSEIou-NMS。
【论文学习】Soft-NMS: 用一行代码改进目标检测
CV前沿
03-10 2442
在目标检测领域，非极大值抑制是目标检测管道中的重要一环。那么你知道它的原理吗？它有哪些缺点？如何改进？ 本文会介绍NMS和改进方法Soft-NMS。 后续会陆续介绍其他几篇有名的NMS变体，包括IoU-Guided NMS、Adaptive NMS、DIoU-NMS、Softer-NMS等。 详情关注【CV面试宝典】，回复关键词【NMS】可获取NMS与其变体的论文资料。 摘要 非极大值抑制（NMS）是目标检测管道中的一个必要组成部分。首先，它基于目标检测框的置信度对所有目标检测框进行排序，其中得分最高的检
Soft-NMS论文内容学习
qq_35153620的博客
12-21 617
NMS算法和Soft-NMS(soft non-maximum suppression algorithm)算法修正 使用函数变换替代原有的边界框选取 原变换为： Soft-NMS函数变换： 非最大值抑制（non-maximum suppression，NMS）算法应用于检测框选择： 检测框集合B，其对应的分数集合S，在S中找到最大值M，每一个B中其它的检测框与最大值M对应的...
Soft NMS论文笔记
陈建驱的博客
08-19 1391
论文：Improving Object Detection With One Line of Code. Navaneeth Bodla*, Bharat Singh*, Rama Chellappa, Larry S. Davis 摘要 NMS是目标检测管道中不可分割的一部分。首先，它根据置信度对所有检测的边界框进行排序。选中最大置信度的框M，抑制（剔除）其它与M有很大（预定义阈值）重叠的框。这个过程递归地应用到其余的框上。如果一个目标处于预定义的重叠阈值内（即重叠大于该阈值），就会导致漏检。换句
《Soft-NMS – Improving Object Detection With One Line of Code》论文翻译
qq_38109282的博客
07-06 1133
前言 《Soft-NMS – Improving Object Detection With One Line of Code》发表于2017年ICCV 资源 论文下载 论文题目及作者 摘要 非最大抑制是对象检测流程的一个组成部分。首先，它根据分数对所有检测框进行排序。选择具有最大得分的检测框M，并且抑制与M有显著重叠(使用预定义阈值)的所有其他检测框。根据该算法的设计，如果一个对象位于预定义的重叠阈值内，它将被丢弃。为此，我们提出了Soft-NMS算法，该算法将所有其他对象的检测分数衰减为它们与M的重叠
Soft-NMS （Improving Object Detection With One Line of Code） 论文解读
丿回到火星去
05-26 722
Improving Object Detection With One Line of Code ，Soft-NMS论文解读，详细介绍Soft-NMS算法原理，另外附有论文地址
改进YOLOv5、YOLOv7系列：原创改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS...
包括YOLOv5、YOLOv7、YOLOv8等模型改进
08-09 1万+
改进YOLOv5、YOLOv7系列：原创改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS...
yolov8+soft-nms+DIOU/CIOU/SIOU
qq_41920323的博客
07-14 1472
soft-nms+eiou/siou改进yolov8解决密集遮挡问题
第十一章 解读Soft-NMS、Weighted NMS、IoU-Net、Softer-NMS、Adaptive NMS、DIoU-NMS(工具)
专注于人工智能学习，总结
11-21 1283
众所周知，非极大值抑制NMS是目标检测常用的后处理算法，用于剔除冗余检测框，本文将对可以提升精度的各种NMS方法及其变体进行阶段性总结。总体概要：对NMS进行分类，大致可分为以下六种，这里是依据它们在各自论文中的核心论点进行分类，这些算法可以同时属于多种类别。传统NMS有多个名称，据不完全统计可以被称为：Traditional / Original / Standard / Greedy NMS，为统一起见，下称Traditional NMS。Traditional NMS算法是最为经典的版本，伪代码如下：
Soft NMS算法笔记
热门推荐
AI之路
03-09 3万+
论文：Improving Object DetectionWith One Line of Code 论文链接：https://arxiv.org/abs/1704.04503 这篇ICCV2017的文章，是NMS算法的改进，从论文题目可以看出，改进仅仅花了一行代码！首先NMS（Non maximum suppression）是在object detection算法中必备的后处理步骤，目的是用...
soft-nms-master
06-21
深度学习中faster-rcnn对于nms进行改进，提高检测精度
soft nms 论文Improving Object DetectionWith One Line of Code笔记
shuijinghua的博客
09-18 264
论文：Improving Object DetectionWith One Line of Code 论文链接：https://arxiv.org/pdf/1704.04503.pdf 这是ICCV2017的文章,是NMS算法的改进, 原始nms 假设网络预测出了6个矩形框A1~A6，对每个box按照置信度从小到大做排序，排队结果为:A1,A2,A3,A4,A5,A6 (1)从最大置信度矩形...
soft_nms和nms
qq_38284951的博客
04-08 389
NMS是one-stage和two-stage目标检测任务中常用的一种后处理方法，用来过滤无效重叠的检测框。 NMS NMS全称非极大值抑制，出自ICPR2006的论文《Efficient Non-Maximum Suppression》。其基本思想很简单，就是保留局部最大值而去除局部非最大值。 NMS对所有的类别的检测框进行循环过滤。对于某个类别C，首先对这些矩形框按照概率降序排列，选中概率最大的框作为候选框，对于剩下的框，依次与候选框求IOU，如果IOU大于某个阈值（超参），则将这些框丢弃（置0）
论文Soft-NMS– Improving Object Detection With One Line of Code 详解
Keep_Trying_Go的博客
11-15 999
大于指定阈值的将被过滤掉，但是这样存在一个问题，就是确实存在两个相同类别的物体靠的很近，那么导致检测的框很大部分会重叠，那么使用。大于指定阈值的那些框，对其置信度进行一定的微调，然后再过滤掉那些置信度低于指定阈值的。对重叠的框进行过滤，对于相同类别的重叠部分的框，置信度最高的将被保留，和最高置信度。算法进行过滤将导致其中一个框被过滤掉，这并不是我们想要的。目标检测算法中的后处理部分使用NMS。本文提出Soft-NMS。Soft-NMS非最优解。算法，对于和最高置信度。
Soft-NMS -- Improving Object Detection With One Line of Code 论文笔记
Tianchao龙虾
05-08 303
Soft-NMS – Improving Object Detection With One Line of Code 论文链接： https://arxiv.org/abs/1704.04503 一、 Problem Statement 传统的NMS首先会对预测出来的bounding box进行排序，然后选择一个最大值与所设置的阈值进行比较，从而删除那些重叠度较高的bounding box。但是会有下图所示的问题: 传统的NMS会把相邻的检测框的置信度变为0。因此一个目标如果真的出现在重叠的阈值范围内，
Soft-NMS
weixin_44082645的博客
10-15 3508
nms算法常用在目标检测算法中，而soft-nms算法可以说是nms算法的一种改进或者替代。思考可以应用于其他目标检测算法中，以提高检测精度。 论文中说明，soft-nms算法提高了检测准确率，并且计算复杂度与传统nms算法相同。 soft-nms的提出 nms算法很简单，简单来说，就是将不是极大值的框抑制掉，也就是删除为0，只保留下置信度最大的那个框。而问题就出在这里，论文中的话来说，这个方法...
soft nms
bestrivern的博客
10-02 1076
一.动机 非最大抑制（Non-maximum suppression, NMS）是物体检测流程中重要的组成部分（如下图划线部分）。NMS算法首先按照得分从高到低对建议框进行排序，然后分数最高的检测框M被选中，其他框与被选中建议框有明显重叠的框被抑制。该过程被不断递归的应用于其余检测框。根据算法的设计，如果一个物体处于预设的重叠阈值之内，可能会导致检测不到该待检测物体。即当两个目标框接近时，分数更...
SOFT NMS
年轻即出发，
10-25 1692
论文：Improving Object Detection With One Line of Code Github：https://github.com/bharatsingh430/soft-nms ICCV 2017 Hard nms VS soft nms: B:候选框 S:候选框得分score，和B一一对应。 D:最终的输出候选框结果 Nt:IOU阈值 M...
Ｓｏｆｔ－ ＮＭＳ算法发展历程论文
最新发布
03-27
### Soft-NMS算法的发展历程 Soft-NMS（Non-Maximum Suppression）是一种改进的传统NMS方法，旨在解决传统NMS中存在的问题。传统的NMS通过设定一个固定的阈值来筛选检测框，可能会导致部分重叠较高的真实目标被错误抑制。而Soft-NMS则引入了一种平滑的方式，通过对高重叠度的目标赋予较低的置信度分数，从而保留更多可能的真实目标。 #### 背景与发展 Soft-NMS的概念最早由Bodla等人于2017年提出，在论文《Soft-NMS – Improving Object Detection With One Line of Code》中首次介绍[^4]。该论文指出，传统NMS存在一定的局限性，即当两个边界框具有较高IoU（Intersection over Union）时，即使其中一个可能是真实的正样本，也会因为超过预设阈值而被移除。为了缓解这一问题，Soft-NMS采用一种连续函数调整其他候选框的得分，而不是简单地将其剔除。 具体而言，Soft-NMS的核心思想是对与当前最高分预测框有较大交并比的其他框施加惩罚因子，其公式如下： ```python score_i = score_i * exp(-gamma * IoU(box_i, box_max)^2) ``` 其中`box_max`表示当前得分最高的边界框，`box_i`为其余待评估的边界框，`gamma`是一个超参数用于控制衰减程度。这种方式能够更灵活地处理多个高度重叠的对象实例。 #### 进一步的研究进展 随着目标检测技术的进步，后续许多工作基于Soft-NMS进行了扩展和优化。例如，一些研究尝试结合注意力机制或者神经网络模型来自适应地调节权重分配策略；还有学者探索了多阶段式的非极大值抑制流程以进一步提升性能表现。然而值得注意的是，尽管这些变体形式各有特色，但它们大多继承自最初的Soft-NMS设计理念，并在此基础上做出针对性改良。 对于希望深入了解此领域的朋友来说，除了上述提到的基础文献外还可以关注近年来CVPR/ECCV等顶级会议上的相关投稿文章获取最新动态和发展趋势信息[^5]。 ```python def soft_nms(dets, sigma=0.5, Nt=0.3, threshold=0.001, method=1): """ Implementation example of the Soft-NMS algorithm. Parameters: dets (list): List of detections with format [x1,y1,x2,y2,score]. sigma (float): Sigma parameter used in Gaussian decay function. Nt (float): Overlap threshold. threshold (float): Minimum detection confidence to keep a bounding box. method (int): Method type for applying suppression {1: linear, 2: gaussian}. Returns: list: Remaining boxes after performing Soft-NMS operation. """ pass # Placeholder implementation details omitted here. ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值