비최대 억제(Non-Maximum Suppression, NMS) 알고리즘은 객체 검출 작업의 후처리 알고리즘으로서 후보 상자 집합에서 최적 경계 상자를 선택하고 다른 후보 상자를 억제하는 역할을 한다. 기존의 NMS 알고리즘은 클래스 신뢰도가 가장 높은 후보 상자를 최적 경계 상자로 선택하지만, 클래스 신뢰도와 위치 정확도 간의 상관관계를 무시한다. 클래스 신뢰도가 높다고 해서 반드시 위치 정확도가 높은 것은 아니다. 이러한 문제를 해결하기 위해 새로운 재배치 비최대 억제(Relocation Non-Maximum Suppression, R-NMS) 알고리즘을 제안하였다. 클래스 신뢰도 점수가 가장 높은 후보 상자를 최적 경계 상자로 선택하고, R-NMS 알고리즘에서 제안한 경계 상자 거리 측정 방법을 사용하여 경계 상자 간의 거리를 교차합 비율 대신 측정한다. 그 후, 최적 경계 상자 주변 후보 상자의 위치 정보를 얻어 해당 정보를 이용해 최적 경계 상자를 재배치하여 새로운 최적 경계 상자를 얻는다. PASCAL VOC2012 데이터셋을 사용하여 테스트하였으며, 실험 결과 전통적인 NMS 및 Soft-NMS 알고리즘에 비해 YOLOv3 객체 검출기에서 mAP가 각각 0.7%, 0.5% 향상되었고 Faster-RCNN에서는 mAP가 80.83%에 달하였다. 본 알고리즘은 객체 검출기의 검출 정확도를 효과적으로 향상시킬 수 있다.

컴퓨터 비전; 딥러닝; 객체 검출; 비최대 억제