ASAP-NMS：利用空间感知先验加速非极大值抑制
计算机视觉与模式识别
2020-08-24 v2
摘要
被广泛采用的顺序型非极大值抑制（或称 Greedy-NMS）是目标检测流程中的关键模块。遗憾的是，对于两阶段/多阶段检测器的区域提议阶段，由于其顺序性质，NMS 正成为延迟瓶颈。在本文中，我们仔细剖析 Greedy-NMS 的迭代过程，发现大量计算浪费在比较那些彼此已相距甚远且几乎不可能相互抑制的提议上。我们通过仅比较由邻近锚点生成的提议来解决此问题。锚点格点的平移不变性使得能够生成一个查找表，从而在 NMS 期间高效访问邻近提议。这催生了一种利用空间感知先验（即 ASAP-NMS）的加速 NMS 算法，并在 CPU 上将 NMS 步骤的延迟从 13.6ms 降至 1.2ms，且不牺牲在 COCO 和 VOC 数据集上最先进两阶段检测器的精度。重要的是，ASAP-NMS 与图像分辨率无关，并可作为简单的即插即用模块在推理时使用。仅运行时使用 ASAP-NMS，我们在 COCO 数据集上以 V100 GPU 获得了 44.2\%@25Hz 的 mAP。
引用
@article{arxiv.2007.09785,
title = {ASAP-NMS: Accelerating Non-Maximum Suppression Using Spatially Aware Priors},
author = {Rohun Tripathi and Vasu Singla and Mahyar Najibi and Bharat Singh and Abhishek Sharma and Larry Davis},
journal= {arXiv preprint arXiv:2007.09785},
year = {2020}
}
备注
Under Review at CVIU