论文标题：PSRR-MaxpoolNMS: Pyramid Shifted MaxpoolNMS with Relationship Recovery

论文链接：https://arxiv.org/abs/2105.12990

NMS是物体检测后处理的重要步骤，默认的NMS叫做GreedyNMS，不像卷积操作，这种NMS是不能并行的，可能成为整个物体检测pipeline的瓶颈。MaxpoolNMS是GreedyNMS的替代品，速度更快，准确率也差不多。但是，在二阶段的物体检测中，MaxpoolNMS只是替代了第一阶段的GreedyNMS。当在第二阶段用MaxpoolNMS的时候，会发现准确率下降很多，这是由于在包围框的选取方面，MaxpoolNMS的准确率并不能很好的逼近GreedyNMS。本文，我们提出一种通用的，可并行的，可配置的方法，叫做PSRR-MaxpoolNMS，可以完全替代GreedyNMS，适用于所有的物体检测器的所有阶段。

本文的贡献如下：

  • 提出了一个通用的PSRR-MaxpoolNMS方法，用来加速NMS，对于所有的物体检测器都适用。
  • 使用一个相关性恢复模块来校正当把包围框得分和置信度得分上的不匹配问题，使得框之间的尺度，比例和空间关系更加准确。
  • 使用金字塔偏移MaxpoolNMS，使用置信度得分图来显著提升得分图的稀疏性，抑制更多的重叠框。
  • 在PSRR-MaxpoolNMS中，相关性校正模块和金字塔偏移MaxpoolNMS都是很简单的操作，并且可并行。因此，PSRR-MaxpoolNMS首次提供了一个完全并行的方案。
  • PSRR-MaxpoolNMS的效果大大优于MaxpoolNMS，并且速度相比GreedyNMS更快，准确率相当。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除