পরবর্তী আপপরবর্তী গাইড
BYOL এবং অ-কনট্রাস্টিভ স্ব-তত্ত্বাবধান
টেকনিক্যাল
ভিজ্যুয়াল এআই গাইড
অ-সর্বোচ্চ দমন
নন-ম্যাক্সিমাম সাপ্রেশন (NMS) হল ক্লিনআপ স্টেপ যা ওভারল্যাপিং ডিটেকশন বক্সের একটি অগোছালো স্তূপকে প্রতি বস্তুর একটি পরিপাটি বাক্সে পরিণত করে।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
এই পৃষ্ঠায়2 মিনিট পঠিত
ওভারভিউ
এটি ছাড়া, ডিটেক্টর একই গাড়িটি পাঁচ বা দশবার রিপোর্ট করবে।
গভীর ডুব
অবজেক্ট ডিটেক্টর সাধারণত প্রতিটি বাস্তব বস্তুর চারপাশে অনেক প্রার্থী বাক্সের ভবিষ্যদ্বাণী করে, প্রতিটিতে একটি আত্মবিশ্বাসের স্কোর থাকে। NMS এই অপ্রয়োজনীয়তা ছাঁটাই করে। ক্লাসিক লোভী অ্যালগরিদম সমস্ত বাক্সকে স্কোর অনুসারে সাজায়, সর্বোচ্চ স্কোরকারীকে রাখে, তারপর যেকোন অবশিষ্ট বাক্সকে সরিয়ে দেয় যার সাথে ওভারল্যাপ (ইউনিয়ন ওভার ইন্টারসেকশন, IoU দ্বারা পরিমাপ করা হয়) 0.5 এর মতো থ্রেশহোল্ড অতিক্রম করে। এটি বেঁচে থাকা বাক্সগুলিতে এটি পুনরাবৃত্তি করে যতক্ষণ না কেউ অবশিষ্ট থাকে। ফলাফল প্রতি বস্তুর একটি প্রতিনিধি বাক্স হয়. NMS সহজ, দ্রুত, এবং প্যারামিটার-আলো, কিন্তু এর দুর্বলতা রয়েছে: একটি নির্দিষ্ট IoU থ্রেশহোল্ড জনাকীর্ণ দৃশ্যে একটি প্রকৃত কাছাকাছি বস্তুকে ভুলভাবে দমন করতে পারে এবং এটি ওভারল্যাপকে বাইনারি হিসাবে বিবেচনা করে। এটির সমাধান করার জন্য সরাসরি বাক্সগুলি মুছে ফেলার পরিবর্তে সফ্ট-এনএমএস ক্ষয় স্কোরের মতো রূপগুলি।
বাস্তব-বিশ্ব বাস্তবায়ন
ক্যামেরা এবং ফটো-ট্যাগিং অ্যাপ্লিকেশানগুলিতে প্রতি মুখে একের মধ্যে কয়েক ডজন ওভারল্যাপ করা ফেস বক্সকে সঙ্কুচিত করা
স্বায়ত্তশাসিত-ড্রাইভিং ডিটেক্টরে গাড়ি এবং পথচারীদের প্রতি পরিষ্কার, একক বাউন্ডিং বাক্স তৈরি করা
নথি এবং লাইসেন্স-প্লেট ওসিআর পাইপলাইনে ওভারল্যাপিং পাঠ্য-অঞ্চল বাক্সগুলি ডি-ডুপ্লিকেট করা
খুচরা শেলফ-মনিটরিং এবং ইনভেন্টরি-কাউন্টিং সিস্টেমে অপ্রয়োজনীয় বস্তুর প্রস্তাবগুলি পরিষ্কার করা
অ-সর্বোচ্চ দমনের ভবিষ্যত
এনএমএস ডিফল্ট পোস্ট-প্রসেসর রয়ে গেছে, কিন্তু ক্ষেত্রটি এটি সরানোর দিকে এগিয়ে যাচ্ছে। সফট-এনএমএস, ডিআইওইউ-এনএমএস, এবং শেখা ভেরিয়েন্টগুলি ভিড়-দৃশ্য পরিচালনার উন্নতি করে, যখন DETR-এর মতো এন্ড-টু-এন্ড ডিটেক্টরগুলি সরাসরি অনন্য বাক্সগুলির পূর্বাভাস দিতে সেট-ভিত্তিক দ্বিপক্ষীয় ম্যাচিং ব্যবহার করে, NMS সম্পূর্ণরূপে নির্মূল করে। হ্যান্ড-টিউনড থ্রেশহোল্ডগুলি শেখা বা এনএমএস-মুক্ত ডিজাইনগুলিকে পথ দেবে বলে আশা করুন, বিশেষত ট্রান্সফরমার ডিটেক্টর পরিপক্ক এবং রিয়েল-টাইম সিস্টেমগুলি ডিটারমিনিস্টিক, শাখা-মুক্ত পোস্ট-প্রসেসিং দাবি করে।
এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
কেন এটা গুরুত্বপূর্ণ
- গতি এবং স্কেল. ভিজ্যুয়াল এআই স্কেলে পরিদর্শন, সনাক্তকরণ এবং ট্যাগিং কাজগুলি স্বয়ংক্রিয়ভাবে করতে পারে।
- পছন্দগুলি তৈরি করুন. সৃজনশীল দলগুলি কম ম্যানুয়াল সংশোধন সহ ধারণাগুলিকে দ্রুত প্রোটোটাইপ করতে পারে।
- টিম এবং ওয়ার্কফ্লো. অপারেশনগুলি ইমেজ এবং ভিডিও সংকেত ব্যবহার করতে পারে যা আগে প্রক্রিয়া করা কঠিন ছিল।
জন্য সতর্ক
- প্রমাণ অস্পষ্ট হলে ছবির অধিকার এবং সম্মতি আইনি ঝুঁকিতে পরিণত হতে পারে।
- মডেলের কর্মক্ষমতা আলো, জনসংখ্যা এবং পরিবেশ জুড়ে পরিবর্তিত হতে পারে।
- আস্থার থ্রেশহোল্ডগুলি পর্যবেক্ষণ করা না হলে মিথ্যা ইতিবাচকগুলি অলক্ষিত হতে পারে।
পরবর্তী পদক্ষেপ
- নির্ভুলতা, প্রত্যাহার, এবং ত্রুটি খরচের জন্য গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ করুন।
- প্রকৃত উৎপাদন অবস্থার সাথে মেলে এমন ডেটা দিয়ে পরীক্ষা করুন।
- কম-আস্থা বা উচ্চ-প্রভাব ভবিষ্যদ্বাণীর জন্য মানুষের পর্যালোচনা যোগ করুন।
- মডেল ড্রিফ্ট ট্র্যাক করুন এবং ক্যামেরা বা ডেটাসেট পরিবর্তনের পরে পুনরায় যাচাই করুন।
অন্বেষণ চালিয়ে যান
ফ্রি নিউজলেটার
প্রতিদিনের এআই ব্রিফিং পান
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
Take the Non-Maximum Suppression quiz
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
নন-ম্যাক্সিমাম দমন কি?
নন-ম্যাক্সিমাম সাপ্রেশন (NMS) হল ক্লিনআপ স্টেপ যা ওভারল্যাপিং ডিটেকশন বক্সের একটি অগোছালো স্তূপকে প্রতি বস্তুর একটি পরিপাটি বাক্সে পরিণত করে। এটি ছাড়া, ডিটেক্টর একই গাড়িটি পাঁচ বা দশবার রিপোর্ট করবে।
বস্তু সনাক্তকরণে নন-ম্যাক্সিমাম সাপ্রেশনের মূল উদ্দেশ্য কী?
এনএমএস অনেকগুলি ওভারল্যাপিং ক্যান্ডিডেট বাক্সগুলিকে নির্মূল করে যা একটি ডিটেক্টর তৈরি করে, প্রতি বস্তুর জন্য একটি একক প্রতিনিধি বাক্স রেখে যায়।
দুটি বাক্স খুব বেশি ওভারল্যাপ কিনা তা নির্ধারণ করতে স্ট্যান্ডার্ড NMS কোন মেট্রিক ব্যবহার করে?
NMS পরিমাপ IoU এর সাথে ওভারল্যাপ করে: দুটি বাক্সের ইউনিয়ন এলাকা দ্বারা বিভক্ত ছেদ এলাকা।
লোভী NMS-এ, প্রতিটি রাউন্ডে কোন বাক্সটি প্রথমে নির্বাচিত হয়?
লোভী NMS আত্মবিশ্বাসের ভিত্তিতে বাক্সগুলিকে সাজায় এবং সর্বোচ্চ স্কোরকারীকে রাখে, তারপর ওভারল্যাপ করা নিম্ন-স্কোরিং বাক্সগুলিকে দমন করে।
ভিড়ের দৃশ্যে লোভী NMS-এর পরিচিত দুর্বলতা কী?
যেহেতু এটি IoU থ্রেশহোল্ডের উপরে যেকোন বাক্স মুছে ফেলে, NMS ভুলভাবে ওভারল্যাপ হওয়ার জন্য একটি ভিন্ন বস্তুর সত্য সনাক্তকরণ মুছে ফেলতে পারে।
সফট-এনএমএস স্ট্যান্ডার্ড এনএমএস থেকে কীভাবে আলাদা?
সফ্ট-এনএমএস ওভারল্যাপিং বক্সের আত্মবিশ্বাসকে কমিয়ে দেয় (ক্ষয়) না করে সেগুলো ফেলে দেয়, ভিড়ের দৃশ্যে মিথ্যা দমন কমায়।
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড