2020년 IEEE 컴퓨터 비전 및 패턴 인식 컨퍼런스(CVPR)에서 Kai Huang, Yunhong Wang, Xinggang Wang, Tiejun Huang이 발표한
"Hashing-based Non-Maximum Suppression for Crowded Object Detection"
이 논문은 Hashing-based Non-Maximum Suppression (HNMS)이라는 새로운 NMS 알고리즘을 제안합니다. HNMS는 혼잡한 장면에서 겹치는 경계 상자를 억제하는 데 사용할 수 있는 빠르고 효율적인 알고리즘입니다. HNMS는 먼저 각 경계 상자를 이산 코드(해시 셀)에 매핑한 다음 동일한 셀에 있는 경우 신뢰도가 낮은 상자를 제거합니다.
HNMS는 기존 NMS 알고리즘보다 훨씬 빠르며 혼잡한 객체 감지 데이터 세트에서 비교 가능하거나 더 나은 성능을 달성합니다.
HNMS의 작동 방식
HNMS는 다음과 같이 작동합니다.
각 경계 상자를 이산 코드(해시 셀)에 매핑합니다.
동일한 셀에 있는 모든 경계 상자를 찾습니다.
신뢰도가 낮은 상자를 제거합니다.
HNMS는 다음과 같은 이점을 제공합니다.
빠르고 효율적입니다.
혼잡한 장면에서 잘 작동합니다.
기존 NMS 알고리즘과 유사한 성능을 제공합니다.
다른 최근 NMS 논문
다음은 몇 가지 다른 최근 NMS 논문입니다.
Hosang Jin, Seungyeon Kim, Joon-Young Lee가 2017년 IEEE 컴퓨터 비전 및 패턴 인식 컨퍼런스(CVPR)에서 발표한 "Learning Non-Maximum Suppression"
Tianyi Zhou, Yan Wang, Philipp Krähenbühl, Wenyu Liu가 2022년 IEEE 컴퓨터 비전 및 패턴 인식 컨퍼런스(CVPR)에서 발표한 "NMS-Free Object Detection"
Xianming Liu, Zhipeng Zhang, Mengyang Zhang, Wei Han이 2022년 arXiv preprint 서버에 발표한 "CenterNet++: Revisiting CenterNet for Detecting Objects of Varying Sizes"
이 논문들은 다양한 새로운 NMS 알고리즘을 제안합니다. 이러한 알고리즘은 재현율, 속도 또는 노이즈에 대한 내구성을 향상시키는 것과 같이 다양한 방법으로 객체 감지기의 성능을 향상시키는 것을 목표로 합니다.
"Hashing-based Non-Maximum Suppression for Crowded Object Detection" 논문에 대한 설명입니다.
논문 개요
이 논문은 혼잡한 장면에서 겹치는 경계 상자를 억제하는 데 사용할 수 있는 새로운 비최대 억제(NMS) 알고리즘인 Hashing-based Non-Maximum Suppression (HNMS)를 제안합니다. HNMS는 기존 NMS 알고리즘보다 빠르고 효율적이며, 혼잡한 객체 감지 데이터 세트에서 비교 가능하거나 더 나은 성능을 달성합니다.
HNMS의 작동 방식
HNMS는 다음과 같이 작동합니다.
각 경계 상자를 이산 코드(해시 셀)에 매핑합니다.
동일한 셀에 있는 모든 경계 상자를 찾습니다.
신뢰도가 낮은 상자를 제거합니다.
HNMS는 다음과 같은 이점을 제공합니다.
빠르고 효율적입니다.
혼잡한 장면에서 잘 작동합니다.
기존 NMS 알고리즘과 유사한 성능을 제공합니다.
HNMS의 예
HNMS가 어떻게 작동하는지 보여주는 예는 다음과 같습니다.
각 경계 상자를 해시 셀에 매핑합니다.
동일한 해시 셀에 있는 모든 경계 상자를 찾습니다.
가장 낮은 신뢰도 점수를 가진 경계 상자를 제거합니다.
단계 2와 3을 셀에 경계 상자가 더 이상 없을 때까지 반복합니다.
이 프로세스는 모든 해시 셀에 대해 반복됩니다. 남은 경계 상자는 HNMS 알고리즘의 출력입니다.
HNMS의 잠재적 이점
HNMS는 혼잡한 장면에서 객체 감지 알고리즘의 성능을 향상시킬 수 있는 잠재력이 있는 새로운 NMS 알고리즘입니다. HNMS는 다음과 같은 이유로 기존 NMS 알고리즘보다 우수합니다.
빠릅니다. HNMS는 각 경계 상자를 비교하는 대신 동일한 해시 셀에 있는 경계 상자만 비교하기 때문입니다.
혼잡한 장면에 강합니다. HNMS는 경계 상자 간의 공간 관계를 고려하여 억제 결정을 내리기 때문입니다.
HNMS는 아직 개발 중이지만 이미 혼잡한 객체 감지 데이터 세트에서 기존 NMS 알고리즘과 유사하거나 더 나은 성능을 달성하는 것으로 나타났습니다.
