この論文で、非常に重なり合ったインスタンスのセットを予測することで、まずインスタンスセット予測の学習を監視するために、EMD損失が提案されました。次に、群集シーンでの素朴なNMSの欠点を克服することを目的とした、異なる提案からの重複を抑制するために、Set NMSという新しい後処理方法が導入されました。最後に、オプションの改良モジュール（RM）は、潜在的な誤検知を処理するように設計されています。

この論文では、混雑したインスタンス検出のために特別に設計された、非常にシンプルで効果的な提案ベースのオブジェクト検出器を提案しました。この方法は、複数インスタンス予測の概念を利用し、EMD損失、Set NMS、改良モジュールなどの新しい手法を導入しました。この手法は、ほとんどの最先端の提案ベースの検出フレームワークであり、より混雑していないシナリオに対しても一般化できます。

混雑しているオブジェクトの検出は効果的です。