重定位非极大值抑制算法

作     者：苏树智 陈润斌 朱彦敏 蒋博文 SU Shuzhi;CHEN Runbin;ZHU Yanmin;JIANG Bowen

作者机构：安徽理工大学计算机科学与工程学院安徽淮南232001 合肥综合性国家科学中心能源研究院(安徽省能源实验室)安徽合肥230031 安徽理工大学机械工程学院安徽淮南232001 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2022年第30卷第13期

页      面：1620-1630页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(No.61806006) 中国博士后科学基金资助项目(No.2019M660149) 合肥综合性国家科学中心能源研究院项目资助项目(No.19KZS203) 安徽省重点研发计划国际科技合作专项(No.202004b11020029) 

主　　题：计算机视觉 深度学习 目标检测 非极大值抑制 

摘      要：非极大值抑制(Non-Maximum Suppression,NMS)算法作为目标检测任务的后处理算法,其作用是从候选框集合中选出最优边界框并抑制其他候选框。传统NMS算法选取类别置信度最高的候选框作为最优边界框,忽略了类别置信度与定位精度之间的相关性,类别置信度高并不意味着该框的定位精度高。为了解决以上问题,提出一种新的重定位非极大值抑制(Relocation Non-Maximum Suppression,R-NMS)算法。选择类别置信度得分最高的候选框作为最优边界框,利用R-NMS算法提出的一种边界框距离度量方法替代交并比衡量边界框之间的距离。然后,获取最优边界框周围候选框的位置信息,利用位置信息对最优边界框执行重定位操作从而得到新的最优边界框。采用PASCAL VOC2012数据集进行测试,实验结果表明,与传统算法NMS和Soft-NMS相比,R-NMS算法在目标检测器YOLOv3上的mAP分别提高0.7%、0.5%,R-NMS算法在Faster-RCNN上的mAP达到80.83%。该算法能够有效提高目标检测器的检测精度。