Soft-NMS -- Improving Object Detection With One Line of Code
スポンサーリンク
論文URL
https://arxiv.org/pdf/1704.04503.pdf
2017年8月公開
ポイント
- Faster-RCNNやYolo等の多くの物体検出モデルでは、物体候補領域が重複した場合、NMS(Non Maximum Suppression)によりスコアの最も高い領域のみ残し、それ以外の領域を削除している。
- NMSにより、物体候補領域に挙がってしまった背景領域を効率的に削除できる
- Fig1のように、本当に複数の物体(馬)が重なっている場合は、NMSによりスコアの低い領域(後ろの馬)が削除されてしまう。
- NMSの問題を改善するSoft-NMSを提案
- NMSの様にスコアの低い重複領域を削除するのではなく、重複領域のスコアを小さくする。
- スコアを小さくした後でも、物体検出閾値よりスコアが大きければ、その領域は物体領域として残ることになり、Fig1のように物体が重なっている状況に対応できるようになる。
Soft-NMS
- 重複領域のスコアの減少方法として、線形関数とガウス関数を提案
- 変数定義
- : 最大スコアの物体候補領域
- : i番目物体候補領域
- : i番目物体候補領域のスコア
- 線形関数
-
- : 論文では0.3
-
- ガウス関数
-
- : 論文では0.5 (Ablation studyを除く)
- ガウス関数の方が線形関数よりわずかに性能が良い
-
- を各Soft-NMSの処理ごとに取り除き、全ての物体候補領域をとして逐次Soft-NMS処理を行う。
- 変数定義
スポンサーリンク