DalšíDalší průvodce
BYOL a nekontrastivní sebekontrola
Technický
Vizuální průvodce AI
Non-Maximum Suppression (NMS) je krok čištění, který změní chaotický hromadu překrývajících se detekčních boxů na jeden pořádný box na objekt.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Bez toho by detektory hlásily stejné auto pětkrát nebo desetkrát.
Detektory objektů obvykle předpovídají mnoho kandidátních polí kolem každého skutečného objektu, každý se skóre spolehlivosti. NMS tuto redundanci odstraňuje. Klasický chamtivý algoritmus seřadí všechna pole podle skóre, ponechá si to s nejvyšším skóre a poté odstraní jakékoli zbývající pole, jehož překrytí (měřeno pomocí Intersection over Union, IoU) překračuje práh, například 0,5. Opakuje to na přeživších krabicích, dokud žádná nezůstane. Výsledkem je jeden reprezentativní box na objekt. NMS je jednoduchý, rychlý a nenáročný na parametry, ale má své slabiny: pevný práh IoU může v přeplněných scénách nesprávně potlačit skutečný blízký objekt a překrývání považuje za binární. Varianty jako Soft-NMS kazí skóre namísto přímého mazání políček, aby to řešily.
Sbalení desítek překrývajících se polí obličeje do jednoho na každý obličej v aplikacích pro fotoaparáty a značkování fotografií
Vytváření čistých, jednoduchých ohraničujících boxů na vozidlo a chodce v detektorech autonomního řízení
Deduplikace překrývajících se textových polí v kanálech OCR dokumentů a poznávacích značek
Čištění návrhů nadbytečných objektů v systémech monitorování regálů a počítání zásob v maloobchodě
NMS zůstává výchozím postprocesorem, ale pole směřuje k jeho odstranění. Soft-NMS, DIoU-NMS a naučené varianty zlepšují manipulaci s přeplněnou scénou, zatímco end-to-end detektory jako DETR používají bipartitní párování založené na množinách k přímé predikci jedinečných boxů, čímž zcela eliminují NMS. Očekávejte ručně laděné prahové hodnoty, které ustoupí naučeným návrhům nebo návrhům bez NMS, zvláště když jsou detektory transformátorů vyspělé a systémy v reálném čase vyžadují deterministické následné zpracování bez větví.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Non-Maximum Suppression (NMS) je krok čištění, který změní chaotický hromadu překrývajících se detekčních boxů na jeden pořádný box na objekt. Bez toho by detektory hlásily stejné auto pětkrát nebo desetkrát.
NMS eliminuje mnoho překrývajících se kandidátních boxů, které detektor vytváří, a ponechává jeden reprezentativní box na objekt.
Měření NMS se překrývají s IoU: oblast průsečíku dělená oblastí spojení dvou polí.
Greedy NMS třídí boxy podle sebedůvěry a ponechává si ten s nejvyšším skóre, pak potlačuje překrývající se boxy s nižším skóre.
Vzhledem k tomu, že odstraní jakékoli pole nad prahovou hodnotou IoU, může NMS nesprávně odstranit skutečnou detekci jiného objektu, který se náhodou překrývá.
Soft-NMS spíše snižuje (rozkládá) důvěru překrývajících se boxů, než aby je zahazoval, čímž snižuje falešné potlačení v přeplněných scénách.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
BYOL a nekontrastivní sebekontrola
Technický