Ensemble_boxes GitHub

https://github.com/ZFTurbo/Weighted-Boxes-Fusion

https://arxiv.org/abs/1910.13302

NMS (Non-maximum suppression)

• confidence score가 높거나 thr_iou(threshold_iou)값 이상의 값이 나오는 box들을 모두 제거

문제점: 조금씩 겹쳐 있는 다른 object들의 box를 하나의 object를 기준으로 다른 box라고 판단하여 제거하기에 예측 성능이 하락

• 점수가 높은 객체가 겹쳐 있는 경우 NMS 알고리즘에 의해 하나만 선택이 됨

Soft_NMS

• NMS와 같이 가장 높은 confidence score나 IoU 값을 찾고, box들의 confidence score을 낮춤
• 단일 모델의 성능을 향상 시키는 결과가 있음

문제점: NMS와 동일하게 중복 상자를 제거하므로 다양한 모델 기준으로는 성능이 하락

WBF(Weighted Boxes Fusion)

• NMS와 다르게 상자 융합으로, 일부 상자를 제외하지 않고 모든 상자를 사용하여 예측된 모든 상자를 융합함
• 서로 다른 N개의 모델이 같은 이미지에 대해 bounding box +confidence score를 예측한 결과를 가지고 있거나, 하나의 모델이 원본 이미지를 포함한 augmented된 이미지들에 대해 예측한 결과를 갖고 있는 경우 성능이 향상