摘要

基于深度学习的目标检测器通常会产生大量冗余的物体边界框，其中包含对同一物体的多次重复检测。为筛选出每个目标仅保留一个边界框，通常采用非极大值抑制（Non-Maximum Suppression, NMS）进行后处理。这种贪心策略实现简单，对孤立物体具有足够的检测精度，但在人群密集场景中表现不佳，因为此类场景下既要保留不同物体的检测结果，又要有效抑制重复检测。本文提出一种替代性的迭代检测机制：在每一轮迭代中，检测出一组新的物体。前序迭代中检测到的边界框将作为输入传递至后续迭代，以确保同一物体不会被重复检测。该迭代机制仅需对训练与推理流程进行微小调整，即可适配单阶段与双阶段目标检测器。我们在四个数据集上，针对两种不同的基线检测器进行了大量实验，结果表明该方法显著优于基线模型，在CrowdHuman与WiderPerson数据集上达到了当前最优（state-of-the-art）的检测性能。相关源代码及训练好的模型已开源，地址为：https://github.com/saic-vul/iterdet。