WBF加权框融合（Weighted Boxes Fusion: combining boxes for object detection models）

文章标题：《Weighted Boxes Fusion: combining boxes for object detection models》
文章PDF地址：https://arxiv.org/abs/1910.13302
GitHub地址：https://github.com/ZFTurbo/Weighted-Boxes-Fusion

简介

作者认为，在目标检测任务中，当实时性要求不强时，集成多个推理模型有助于我们得到更好的结果。

于是作者在文中提出了一种方法，可以把多个目标检测模型的预测结果结合起来。
这个方法称为 weighted boxes fusion，简称 WBF 。

在筛选预测框的过程中，常用的方法是非极大值抑制（non-maximum, NMS），还有一种 soft-NMS 方法也被用于改进筛选性能。这些方法在单个模型上效果不错，但只能简单地从预测框中，“筛选” 框框。不能有效地结合多个模型的预测结果来产生一个平均的框框。与单一模型相比，结合多个模型的预测会得到更好更准确的效果，这样做在打比赛中通常名列前茅。

NMS、soft-NMS等方法只是简单地删除部分预测框。
与之不同，作者提出的 WBF 方法用上了所有预测框的置信度(得分)，来构造出融合的框框。

在实际应用中，还有一种技术也经常被用到，叫做测试时增强（test-time augmentation, TTA），它类似于训练时的数据增强。举个例来说，测试的时候使用一个训练好的模型，对原始、垂直/水平反转等多张图像进行推理，这将得到多个结果，然后对结果求平均，作为最终的结果。这种有多个结果的情况也可以用 WBF。

WBF 的过程

关于 NMS 和 soft-NMS 资料网上很多，这里主要介绍 WBF 的过程。

假设用多个模型对下面这张图做目标检测，得到许多框框。
（单个模型也能生成这么多框，把分数阈值设低一点）

为了便于理解，我对这些框进行了分类，相同颜色的框表示它们选中了同一个目标。
这里有 3 朵花，每朵花上应该只保留 1 个框，这是我们本次任务的目标。
先透露一下，用 WBF 处理过后，可以得到这样的结果：

显然我们也可以用 NMS 直接干掉那些重叠的框，最后得到 3 个干净的框，效果也差不多。
但 WBF 不是这么做的。它不是直接干掉这些框，而是对现有的框进行融合，生成新的框。
这个例子里，它把 3 个蓝色的框融合成 1 个框；2 个黄色的框融合成1个框；4 个红色的框融合成 1 个框。

WBF 首先对这些框做一个预处理，把这些框按照得分从高到低进行排序，放在一个数组里：

上面的图示中，对 9 个框（3个蓝框，4个红框，2个黄框）进行了排序，右边那一列是排序的结果。数组的每个元素里面记录了该框框的得分和坐标。然后从最高分的开始，一个一个取出来，进行加权融合。

  先说一下：
  在我们的程序里面，每个框的数据只有坐标和分数，并不知道哪个框属于哪朵花。
  所以哪个框要和哪个框融合？首先要这些框进行聚类：把同一朵花上面的框归到一起。
  这可以通过 IOU（交并比）做到，我们一步一步来。 （只能把这些框归到一起，但仍然不知道是哪朵花）

  再将一个公式（论文里的），我把它叫做融合框公式。假设现在有两个很接近的框，分别为：
   b o x A : [ A x 1 , A y 1 , A x 2 , A y 2 , A s ] boxA:[Ax_{1},Ay_{1},Ax_2, Ay_2, As] boxA:[Ax1​,Ay1​,Ax2​,Ay2​,As]， b o x B : [ B x 1 , B y 1 , B x 2 , B y 2 , B s ] boxB:[Bx_{1},By_{1},Bx_2, By_2, Bs] boxB:[Bx1​,By1​,Bx2​,By2​,Bs]，
  其中 ( x 1 , y 1 x_1,y_1 x1​,y1​) 代表该 b o x box box 左上角的坐标， ( x 2 , y 2 x_2,y_2 x2​,y2​) 代表该 b o x box box 右下角的坐标， s s s 代表该 b o x box box 的置信度 (得分)。

  通过 b o x A boxA boxA 和 b o x B boxB boxB 融合得到 b o x C boxC boxC，如图所示：

  可以看到，这里用框的得分作为权值，把两个框的坐标进行融合，得到一个新的框。
  所以得分越高的框，权值越大，在生成新框的过程中，它的贡献更大。
  新框的形状和位置更偏向于权值大的框。

  对于 2 个以上的框，也是按照这个公式往后面加就行了。

  论文提供的源码里还有一种计算方式，是直接求平均的，没有把得分作为权值来用。具体可以看代码。

回到 WBF 的处理流程，对这 9 个框排序完成之后，再维护 2 种容器（可以用数组之类的东西）：

其中一种容器叫做 clusters，是聚类的结果，用于存放同一朵花上面的所有框。
在这个例子中，有 3 个聚类：clusterA，clusterB，clusterC，分别代表这 3 朵花上面的框。

另外一种容器叫做 fusions，把与它对应的 cluster 中所有的框用融合框公式算出一个新的框，记录在fusion 里。
同理这里也有 3 个：fusionA，fusionB，fusionC，是与其对应的 3 种 cluster 各自融合的结果。

为了快速描述 WBF 的处理流程，假设现在已经按照排序顺序，处理完数组里的前 6 个数据了：

处理完前面 6 个数据后，已经得到 2 组 cluster 和 2 个 fusion 了。
它们是怎么来的呢？ 再看第 7 个数据是怎么处理的就知道了。

现在从 preDatas 中取出第 7 个数据(黄色的框)，首先对它做聚类，聚类的方法是：
把这个新来的 7 号框，与现有 fusions 中的所有 fusion 做 IOU，如果 IOU 结果大于指定阈值，则聚类成功，把这个框放到该 fusion 对应的 cluster 中。

按照上述说法，我们分别把 7 号框与 fusionA 和 fusionB 的框做 IOU，发现都小于阈值。
显然 7 号框不属于 clusterA，也不属于clusterB，应该给它新建一个 cluster。聚类完毕。

姑且把这个新的 cluster 命名为 clusterC，把 7 号框放到里面。
同时对 clusterC 里所有的框做 加权融合（用上面讲的融合框公式），得到 fusionC。
由于 clusterC 里只有一个框，所以 fusionC 就是它自己。

现在已经处理完第 7 个框了，接下来第 8 个也同样处理。
第 8 个是红色的框，经过聚类(算IOU) 后，它被分到 clusterB 里了。
分配完后，对 clusterB 里的所有框（此时共有4个）做加权融合，得到新的 clusterB。
结果如图：

可以看到现在 clusterB 里有 4 个框， 这 4 个框就是下面那朵花上的 4 个框。
第 9 个框的处理方式也一样，我就不画了。

所有数据处理完毕后，得到 3 个fusion，这 3 个框就是 WBF 算法的结果。
把这个 3 个框画到图片上，就得到文章开头展示的结果：

总结

这个 WBF 算法可以直接用来代替 NMS，不过计算量可能会大一点。

对于一张图片，可以用多个不同的模型来做预测，然后对所有预测结果运用 WBF 算法，得到 1 个结果。作者说这个结果可能好过单个模型的预测结果。作者提出 WBF 算法也是主要应用于这种场景。

如果只有 1 个模型，也可以用 WBF 算法。方法就是把得分阈值设低一点，让网络输出一堆框框，然后对这些框做 WBF。如果网络判别能力强，得分低的框往往是一些垃圾框，它在融合过程中也没什么权重，所以直接做 WBF 应该没有问题。

在一些情况下，WBF 还能用于改善漏检、误检等问题。
不过 WBF 的能力有限，毕竟它还得依赖于网络输出结果，并不能颠覆这个结果。

WBF 和 NMS 选哪个，还要看具体应用和具体情况。

标签：WBF,Weighted,NMS,结果,models,融合,detection,聚类,个框
来源： https://blog.csdn.net/Yemiekai/article/details/117839686