比NMS更優(yōu)的Confluence論文復(fù)現(xiàn)

【GiantPandaCV導(dǎo)語】主要介紹 Confluence: A Robust Non-IoU Alternative to Non-Maxima Suppression in Object Detection 這篇論文的原理，并復(fù)現(xiàn)了算法。覺得有些地方原文沒有講的很明白，在復(fù)現(xiàn)過程中才搞懂。不過目前復(fù)現(xiàn)算法的運(yùn)行速度較慢，如果哪位小伙伴有更好的復(fù)現(xiàn)，記得分享一下。

arxiv 論文地址：https://arxiv.org/pdf/2012.00257.pdf

代碼：https://github.com/Huangdebo/Confluence

1. 介紹

用以替代 NMS，在所有 bbox 中挑選出最優(yōu)的集合。NMS 僅考慮了 bbox 的得分，然后根據(jù) IOU 來去除重疊的 bbox。而 Confluence 則是利用曼哈頓距離作為 bbox 之間的重合度，并根據(jù)置信度加權(quán)的曼哈頓距離還作為最優(yōu) bbox 的選擇依據(jù)。

2. 算法原理

2.1 曼哈頓距離

兩點(diǎn)的曼哈頓距離就是坐標(biāo)值差的 L1 范數(shù)：

推廣到兩個(gè) bbox 對(duì)的哈曼頓距離則為：

該算法便是以曼哈頓距離作為兩個(gè) bbox 的重合度，曼哈頓距離小于一定值的的 bbox 則被認(rèn)為是一個(gè) cluster。

2.2 歸一化

因?yàn)?bbox 有個(gè)各樣的 size 和 position，所以直接計(jì)算曼哈頓距離就沒有可比性，沒有標(biāo)準(zhǔn)的度量。所以需要對(duì)其進(jìn)行歸一化：

2.3 置信度加權(quán)曼哈頓距離

NMS在去除重合 bbox 是僅考慮其置信度的高低，Condluence 則同時(shí)考慮了曼哈頓距離和置信度，構(gòu)成一個(gè)置信度加權(quán)曼哈頓距離：

3. 算法實(shí)現(xiàn)

算法：

（1）針對(duì)每個(gè)類別挑出屬于該類別的 bbox 集合 B

（2）遍歷 B 中所有的 bbox bi，并計(jì)算 bi 和其他 boox的 曼哈頓距離 p，并歸一化

• 2.1 選出 p < 2 的集合，作為一個(gè) cluster，并計(jì)算加權(quán)曼哈頓距離 wp。

• 2.2 在該 cluster 中挑選出最小的 wp 作為 bi 的 wp。

（3）遍歷完畢后，挑出 wp 最小的 bi 作為最優(yōu) bbox，添加進(jìn)最終結(jié)果集合中，并將其從 B 去除

（4）把與最優(yōu) bbox 的曼哈頓距離小于閾值 MD 的的 bbox 從 B 中去除

（5）不斷重復(fù) （2） - （4），每次都選出一個(gè)最優(yōu) bbox，直到 B 為空

注意：

（1）原文偽代碼第 5 行：optimalConfuence 初始化成一個(gè)比較大的值就可以，不一定要是 Ip

（2）原文偽代碼第 12 行：應(yīng)該是 Proximity / si

4. 實(shí)驗(yàn)結(jié)果

歡迎關(guān)注GiantPandaCV, 在這里你將看到獨(dú)家的深度學(xué)習(xí)分享，堅(jiān)持原創(chuàng)，每天分享我們學(xué)習(xí)到的新鮮知識(shí)。( ? ?ω?? )?

有對(duì)文章相關(guān)的問題，或者想要加入交流群，歡迎添加BBuf微信：

為了方便讀者獲取資料以及我們公眾號(hào)的作者發(fā)布一些Github工程的更新，我們成立了一個(gè)QQ群，二維碼如下，感興趣可以加入。