論文閱讀：Adaptive NMS: Refining Pedestrian Detection in a Crowd
Adaptive-NMS（CVPR 2019）
文章
又是一篇在NMS上面做文章的paper。。讀完之后感覺，哇！自己再想的深一點也能想出來呀，可是想出來和做出好效果真是兩碼事。。尤其是沒有人告訴你這個idea的價值只能靠自己判斷的時候。扯遠了。。。還是說一說這篇文章吧。
NMS是目前基於深度學習的目標檢測模型的重要的后處理步驟，針對目標檢測來講，NMS具體操作就是將所有檢測結果（設為集合A）中score最大的結果取出來加入到最后的檢測結果集合（設為集合B），然后將A中其它檢測結果i中與該結果進行比較，如果如該結果的相似度（往往使用IoU）超過一個閾值就將i從A中去掉。重復上述操作，直到A為空空集，偽代碼如下（greedy-NMS就是普通的NMS）：
然而普通NMS的問題在於，如果兩個ground truth本身就有overlap的話，這個時候就不好辦了，如果overlap較小，沒有問題，但如果overlap較大呢？比crowd這種場景，這時候要想能檢測出兩個gt，只能設置較大的閾值來保證較小score的結果不被抑制。可矛盾在於，在crowd這種情況下，人群有時候密集有時候稀疏，高的閾值又會導致對於稀疏的情況下產生過多的False Positive（即被錯認為positive的結果）。為了嘗試解決這個問題呢，ICCV 2017一篇soft-NMS橫空出世（靠一行代碼就發了ICCV，牛逼。。。。）。soft-NMS的思想是，NMS所謂的“抑制”可以看做將檢測結果的分數置0了，從而就不要該結果了，那么可不可以不置0，而是減小score呢，不過是IoU越大，score減小的越多。
為什么可以這樣弄呢？其實細想一下，雖然會存在gt之間存在overlap的情況，但我們的目的是抑制那些overlap更大的（比如有三個結果ABC,分數分別為0.9,0.8,0.7，其中AC是正確結果，A和B的overlap大於A和C的，這樣經過一輪NMS后BC的分數可能就變了0.6，0.5，從而將B抑制了）最后實驗證明。。。這個想法還真有效！
這篇論文呢，針對crowd中的行人檢測這一特殊的應用場景，對soft-NMS又進行了優化，使得在人群密集的地方，NMS閾值較大，而人群稀疏的地方NMS閾值較小。但是問題在於怎么判斷人群是否密集，又怎么根據密集程度定NMS閾值呢？對於第一個問題。。。當然是用CNN啦！於是文章就定義了第i個物體處的密度如下：
因此在訓練CNN時，每次還需要求出密度作為監督信號，訓練網絡能夠擬合這個密度函數，即輸入一張圖片，能輸出每個位置的物體密度，但這個參數怕是作者調了不短的時間，模型如下：
有了密度之后，soft-NMS就改進成了
emmmm，文章的方法就是這樣，感覺也是很自然的發現一個問題然后想辦法去解決，不過個人以為這個模型恐怕真不好調參。