一文打尽NMS技术

2022-07-12 极市平台

加入收藏

作者丨仿佛若有光157

来源丨CV技术指南

编辑丨极市平台

前言

Non-Maximum Suppression（NMS）非极大值抑制。从字面意思理解，抑制那些非极大值的元素，保留极大值元素。其主要用于目标检测，目标跟踪，3D重建，数据挖掘等。

目前NMS常用的有标准NMS, Soft NMS, DIOU NMS等。后续出现了新的Softer NMS，Weighted NMS等改进版。

原始NMS

以目标检测为例，目标检测推理过程中会产生很多检测框（A,B,C,D,E,F等），其中很多检测框都是检测同一个目标，但最终每个目标只需要一个检测框，NMS选择那个得分最高的检测框（假设是C），再将C与剩余框计算相应的IOU值，当IOU值超过所设定的阈值（普遍设置为0.5，目标检测中常设置为0.7，仅供参考），即对超过阈值的框进行抑制，抑制的做法是将检测框的得分设置为0，如此一轮过后，在剩下检测框中继续寻找得分最高的，再抑制与之IOU超过阈值的框，直到最后会保留几乎没有重叠的框。这样基本可以做到每个目标只剩下一个检测框。

原始NMS（左图1维，右图2维）算法伪代码如下：

实现代码：（以pytorch为例）

def NMS(boxes,scores, thresholds):    
    x1 = boxes[:,0]    
    y1 = boxes[:,1]    
    x2 = boxes[:,2]    
    y2 = boxes[:,3]    
    areas = (x2-x1)*(y2-y1)    
    
    _,order = scores.sort(0,descending=True)    
    keep = []    
    while order.numel() > 0:        
        i = order[0]        
        keep.Append(i)        
        if order.numel() == 1:            
            break        
        xx1 = x1[order[1:]].clamp(min=x1[i])        
        yy1 = y1[order[1:]].clamp(min=y1[i])        
        xx2 = x2[order[1:]].clamp(max=x2[i])        
        yy2 = y2[order[1:]].clamp(max=y2[i])  
        
        w = (xx2-xx1).clamp(min=0)        
        h = (yy2-yy1).clamp(min=0)        
        inter = w*h        
        
        ovr = inter/(areas[i] + areas[order[1:]] - inter)        
        ids = (ovr<=thresholds).nonzero().squeeze()     
        
        if ids.numel() == 0:            
            break        
        order = order[ids+1]    
    return torch.LongTensor(keep)

除了自己实现以外，也可以直接使用torchvision.ops.nms来实现。

torchvision.ops.nms(boxes, scores, iou_threshold)

上面这种做法是把所有boxes放在一起做NMS，没有考虑类别。即某一类的boxes不应该因为它与另一类最大得分boxes的iou值超过阈值而被筛掉。

对于多类别NMS来说，它的思想比较简单：每个类别内部做NMS就可以了。实现方法：把每个box的坐标添加一个偏移量，偏移量由类别索引来决定。

下面是
torchvision.ops.batched_nms的实现源码以及使用方法

#实现源码
max_coordinate = boxes.max()
offsets = idxs.to(boxes) * (max_coordinate + torch.tensor(1).to(boxes))
boxes_for_nms = boxes + offsets[:, None]
keep = nms(boxes_for_nms, scores, iou_threshold)
return keep

#使用方法
torchvision.ops.boxes.batched_nms(boxes, scores, classes, nms_thresh)

这里偏移量用boxes中最大的那个作为偏移基准，然后每个类别索引乘以这个基准即得到每个类的box对应的偏移量。这样就把所有的boxes按类别分开了。

在YOLO_v5中，它自己写了个实现的代码。

c = x[:, 5:6] * (0 if agnostic else max_wh)  # classes
boxes, scores = x[:, :4] + c, x[:, 4]  # boxes (offset by class), score
si = torchvision.ops.nms(boxes, scores, iou_thres)

这里的max_wh相当于前面的boxes.max()，YOLO_v5中取的定值4096。这里的agnostic用来控制是否用于多类别NMS还是普通NMS。

NMS的缺点

需要手动设置阈值，阈值的设置会直接影响重叠目标的检测，太大造成误检，太小达不到理想情况。
低于阈值的直接设置score为0，做法太hard。
只能在CPU上运行，成为影响速度的重要因素。
通过IoU来评估，IoU的做法对目标框尺度和距离的影响不同。

NMS的改进思路

根据手动设置阈值的缺陷，通过自适应的方法在目标系数时使用小阈值，目标稠密时使用大阈值。例如Adaptive NMS。
将低于阈值的直接置为0的做法太hard，通过将其根据IoU大小来进行惩罚衰减，则变得更加soft。例如Soft NMS，Softer NMS。
只能在CPU上运行，速度太慢的改进思路有三个，一个是设计在GPU上的NMS，如CUDA NMS，一个是设计更快的NMS，如Fast NMS，最后一个是掀桌子，设计一个神经网络来实现NMS，如ConvNMS。
IoU的做法存在一定缺陷，改进思路是将目标尺度、距离引进IoU的考虑中。如DIoU。

下面稍微介绍一下这些方法中常用的一部分，另一部分仅提供链接。