腾讯实验室成果：拥挤场景行人检测

这篇论文的标题是“NMS-Loss: Learning with Non-Maximum Suppression for Crowded Pedestrian Detection”。作者是Zekun Luo，Zheng Fang，Sixiao Zheng，Yabiao Wang和Yanwei Fu。他们分别来自腾讯的Youtu实验室，北京航空航天大学，复旦大学和复旦大学。论文摘要提到了一种新的NMS-Loss方法，它可以在训练过程中端到端地训练NMS过程，而不需要任何额外的网络参数。这种方法在Caltech数据集和CityPersons数据集上都取得了优于现有技术的结果。

这篇论文提出了一个新的NMS-Loss方法，旨在解决在拥挤的行人检测场景中，由于NMS引入的假阳性（FP）和假阴性（FN）对评估结果的影响。作者提出了一个新颖的NMS-Loss，使NMS过程可以在不增加任何额外网络参数的情况下端到端地进行训练。

在拥挤的行人检测场景中，假阴性（FN）和假阳性（FP）仍然是根本性的挑战。由于NMS过程在训练过程中没有被考虑，因此训练目标与评估指标之间存在不一致性，这可能导致行人检测性能不佳。为了解决这个问题，作者提出了一种新颖的NMS-Loss方法，将NMS过程纳入训练过程中，从而调整检测框，消除训练目标与评估指标之间的不一致性。

NMS-Loss包括两个部分：pull loss和push loss。pull loss旨在通过将FP拉近最高分预测来提高精度。具体来说，当FP未被NMS抑制时，pull loss将在最高分预测和FP之间执行。push loss则专注于通过将预测推离彼此来提高召回率。在NMS中，当前最高分预测会消除与其重叠超过预定义阈值的框。如果被消除的框与当前最高分预测对应不同的ground truth，则该框将成为FN并降低召回率。为了避免该框被错误消除，作者提出了一种push loss来惩罚FN。

根据论文中的实验结果，NMS-Loss在Caltech数据集和CityPersons数据集上都取得了优于现有技术的结果。在CityPersons数据集上，使用NMS-Loss的NMS-Ped方法将基线方法的MR从11.20%降低到10.08%，优于现有技术中最好的EMD-RCNN方法（MR为10.70%）。在Caltech数据集上，NMS-Ped的MR为5.92%，优于现有技术中最好的W2Net方法（MR为6.37%）。这些结果表明，NMS-Loss能够有效地解决由于NMS引入的假阳性（FP）和假阴性（FN）对评估结果的影响。