目標檢測-提升方案-目標框加權融合-Weighted Boxes Fusion筆記及源碼

Weighted Boxes Fusion 是2019年cvpr的一篇文章，文章非常之短（只有三頁不到），並且對bounding box 的融合又非常有效的方法。

原文鏈接：https://arxiv.org/pdf/1910.13302.pdf
源碼https://github.com/ZFTurbo/Weighted-Boxes-Fusion

下面是WBF的算法步驟：

1. 每個模型的每個預測框都添加到List B，並將此列表按置信度得分C降序排列
2. 建立空List L 和 F（用於融合的）
3. 循環遍歷B，並在F中找到於之匹配的box（同一類別MIOU > 0.55）
4. 如果 step3 中沒有找到匹配的box 就將這個框加到L和F的尾部
5. 如果 step3 中找到了匹配的box 就將這個框加到L，加入的位置是box在F中匹配框的Index. L中每個位置可能有多個框，需要根據這多個框更新對應F[index]的值。
   
   上圖爲F[index]更新方法，x，y對應的是座標值，對座標值根據置信值進行加權求和。
6. 遍歷完成後對F中的元素再進行一次置信值的調整，下圖爲調整的方法
   
   這樣調整的原因是減少某些box只被少數模型預測到的置信值。

實驗對比了其他幾種目標框融合的方法：

WBF 的一些缺陷：

1. 速度慢，大概比標準NMS慢3倍
2. WBF實驗中是在已經完成NMS的模型上進行的