[论文解读] Confluence: A Robust Non-IoU Alternative to Non-Maxima Suppression in Object Detection

Andrew Shepley, Greg Falzon+1 more|arXiv (Cornell University)|Dec 1, 2020

Advanced Image and Video Retrieval Techniques参考文献 80被引用 7

一句话总结

Confluence 提出了一种非IoU的非极大值抑制（NMS）替代方法，采用基于归一化曼哈顿距离的接近度度量来识别并抑制冗余边界框。在 MS COCO 和 CrowdHuman 基准测试中，相较于最先进NMS变体，该方法将平均精度（AP）最高提升3.8%，平均召回率（recall）最高提升7.2%。

ABSTRACT

Confluence is a novel non-Intersection over Union (IoU) alternative to Non-Maxima Suppression (NMS) in bounding box post-processing in object detection. It overcomes the inherent limitations of IoU-based NMS variants to provide a more stable, consistent predictor of bounding box clustering by using a normalized Manhattan Distance inspired proximity metric to represent bounding box clustering. Unlike Greedy and Soft NMS, it does not rely solely on classification confidence scores to select optimal bounding boxes, instead selecting the box which is closest to every other box within a given cluster and removing highly confluent neighboring boxes. Confluence is experimentally validated on the MS COCO and CrowdHuman benchmarks, improving Average Precision by up to 2.3-3.8% and Average Recall by up to 5.3-7.2% when compared against de-facto standard and state of the art NMS variants. Quantitative results are supported by extensive qualitative analysis and threshold sensitivity analysis experiments support the conclusion that Confluence is more robust than NMS variants. Confluence represents a paradigm shift in bounding box processing, with potential to replace IoU in bounding box regression processes.

研究动机与目标

• 解决在拥挤或遮挡场景中，因IoU过高导致误抑制的NMS局限性问题。
• 克服NMS对分类置信度分数的依赖，该依赖与定位精度的相关性较差。
• 开发一种更稳定、一致的后处理方法，用于在目标检测中选择最优边界框。
• 提供一种即插即用的NMS替代方案，无需微调或架构修改。

提出的方法

• Confluence 使用归一化曼哈顿距离度量来衡量边界框边界的接近程度，捕捉几何一致性。
• 在聚类中选择与所有其他框距离最近的边界框作为最优代表，以最小化空间偏差。
• 仅当边界框高度共轭（几何一致）且冗余时才进行抑制，而非仅因重叠而抑制。
• 该方法不依赖IoU或置信度分数进行选择，而是优先考虑边界框边缘的空间对齐。
• 可无缝集成到现有目标检测器中，无需微调或架构修改。
• 阈值敏感性分析表明其对遮挡和不同聚类条件具有鲁棒性。

实验结果

研究问题

• RQ1 非IoU度量能否在目标检测中优于IoU，有效抑制冗余边界框？
• RQ2 用几何一致性替代对置信度分数的依赖，是否能提升定位精度与召回率？
• RQ3 在高遮挡和密集目标聚类场景下，Confluence 相较于 G-NMS 和 S-NMS 表现如何？
• RQ4 与基于IoU的NMS变体相比，Confluence 对超参数阈值是否更具鲁棒性？
• RQ5 Confluence 是否可在无需微调或模型修改的情况下部署于真实检测流水线？

主要发现

• 在 MS COCO 和 CrowdHuman 数据集上，Confluence 相较于 G-NMS 和 S-NMS，平均精度（AP）最高提升3.8%，平均召回率（recall）最高提升7.2%。
• 通过保留高度重叠但几何一致的边界框，该方法实现了更高的召回率，而基于IoU的方法则会抑制这些框。
• 阈值敏感性分析表明，Confluence 比基于IoU的NMS变体对超参数变化更具鲁棒性。
• 在遮挡场景（如密集人群或部分物体重叠）中，Confluence 能保留更多真正例，同时有效抑制假正例。
• 该方法成功避免了NMS中常见的次优框选择问题，如IoU错误抑制了定位更准确的边界框。
• Confluence 在多种目标检测器上均表现出优越性能，表明其具备广泛的兼容性与泛化能力。