PSRR-MaxpoolNMS:带关系恢复的金字塔偏移最大池化非极大抑制
计算机视觉与模式识别
2021-05-28 v1
摘要
非极大抑制(NMS)是现代卷积神经网络用于目标检测的必要后处理步骤。与天然并行的卷积不同,事实上的标准 NMS 即 GreedyNMS 难以轻易并行化,从而可能成为卷积目标检测流程中的性能瓶颈。MaxpoolNMS 作为 GreedyNMS 的可并行替代方案被提出,进而在可比精度下实现比 GreedyNMS 更快的速度。然而,MaxpoolNMS 仅能替代如 Faster-RCNN 等两阶段检测器第一阶段的 GreedyNMS。在最终检测阶段应用 MaxpoolNMS 时精度显著下降,原因在于 MaxpoolNMS 在边界框选择上无法精确近似 GreedyNMS。本文提出一种通用、可并行且可配置的 PSRR-MaxpoolNMS 方法,以在所有检测器的所有阶段完全替代 GreedyNMS。通过引入简单的关系恢复模块与金字塔偏移最大池化 NMS 模块,我们的 PSRR-MaxpoolNMS 能比 MaxpoolNMS 更精确地近似 GreedyNMS。综合实验表明,我们的方法大幅优于 MaxpoolNMS,且被证明比 GreedyNMS 更快并保持可比精度。PSRR-MaxpoolNMS 首次为定制硬件设计提供了完全可并行的解决方案,可复用于各处 NMS 加速。
引用
@article{arxiv.2105.12990,
title = {PSRR-MaxpoolNMS: Pyramid Shifted MaxpoolNMS with Relationship Recovery},
author = {Tianyi Zhang and Jie Lin and Peng Hu and Bin Zhao and Mohamed M. Sabry Aly},
journal= {arXiv preprint arXiv:2105.12990},
year = {2021}
}
备注
Accepted by CVPR2021