目标检测中，不同物体之间的距离非常接近怎样解决
（1）Repulsion loss，参见CVPR 2018论文 repulsion loss，用作拥挤人群检测；
（2）Soft NMS，降低confidence而不是直接去掉；
（3）NMS的改进，今年旷视的ECCV：
Acquisition of Localization Confidence for Accurate Object Detection（4）Part based，分解物体为多个部位的组合，是一个思路；
参考今年中科院提出的OR-CNN：
Detecting Pedestrians in a Crowd15年商汤的deep parts：
Deep Learning Strong Parts for Pedestrian Detection；
（5）融合其他信息，如分割的信息，语义信息；
■网友
1.旷世今年的repulsion loss:让proposal尽量远离和他overlap第二大的GT，同时也让不同GT上的proposals之间相互远离。我们目前测试这个方法确实很有效
2.softnms来适当的解决nms阈值原因造成的问题
3.改进的nms
4.有人提到分part来做，其实这个比较适合人体的，并不通用。可以看看我对这个paper的一点理解。https://blog.csdn.net/gbyy42299/article/details/83986883
当然了还有一些结合视觉推理的关系来做，多任务等等都可以有一些改善
■网友
这个问题比较难解决。不过也看你的数据标注标准，是露多少标多少，被遮挡的部分不标注；还是遮挡的部分也被标注。第一种就很难处理。第二种能一定程度上缓解你所描述的问题。
目前一般采用soft-nms。但是这个东西有人说好也有人说没毛用。做crop数据增强，这样能对遮挡识别有利。（参考SSD）
■网友
首先标注时要尽量将重叠遮挡区域都标注出来；
采用soft-nms；
在某些算法中（如fcos），特征融合（如fpn）是缓解重叠二义性的必备结构。
■网友
soft nms可以改善
■网友
转直方图
■网友
【目标检测中，不同物体之间的距离非常接近怎样解决】 cvpr2018的oral《relation network for object detection》也可以
推荐阅读
- 人员■海安疾控：北京确诊病例密接者及相关人员检测结果均为阴性
- 沈阳市铁西区、皇姑区、于洪区开展第二轮全员核酸检测
- 沈阳全员检测：已设置1549个检测点64万余人检测结果均阴性
- 大连全员核酸检测结束采样637.9万人次
- 北京来宁波新冠病毒感染者密接人员第二次核酸检测均为阴性
- 河北三河公布一新冠病毒阳性检测者的密接者行动轨迹
- 大连已完成475.65万人次核酸检测采样
- 北京至宁波新冠病毒感染者所有密接者首次检测均为阴性
- 北京西城无症状感染者所在社区9566人已全部完成检测采样
- 大连：即日起全面开展核酸检测工作做到应检尽检