目标检测算法-SoftNMS

NMS是常用的目标检测后处理算法，但是NMS对于密集目标的检测就有小问题了，因为NMS是对其他box的IOU与当前最大Confidence的box的IOU进行比较，如果大于一定的阈值，就将当前这个Confidence最大的box周围满足条件的box给去掉。

NMS存在的两个问题:

（1）当前两个目标框接近时，分数更低的框就会因为重叠面积过大而被删掉。

（2）NMS的阈值也不太容易确定，设小了就会漏检，设置过大容易增大误检。

NMS:

 Soft-NMS的解决思路:不要直接的删除所有IOU大于阈值的框，而是降低置信度。

Soft-NMS:

(1)线性加权

（2）高斯加权

两种改进的思想都是，M为当前得分最高的框，b_i 为待处理的框，b_i 和M的IOU越大，b_i 的得分s_i就下降的越厉害（而不是直接置0）

上图中的框如果使用NMS算法，只会保留蓝色框，而使用Soft-NMS算法，先对三个框置信度排序，蓝>红>绿,只要使用合适的置信度阈值，就可以保留蓝，红框而同时删除绿框了。