Nem maximális elnyomás
A Non-Maximum Suppression (NMS) az a tisztítási lépés, amely az egymást átfedő érzékelődobozok rendetlen halomát objektumonként egy rendezett dobozzá alakítja.
Áttekintés
Without it, detectors would report the same car five or ten times.
Mély merülés
Az objektumdetektorok jellemzően sok jelöltdobozt jósolnak meg minden valódi objektum körül, mindegyiknek megbízhatósági pontszáma van. Az NMS csökkenti ezt a redundanciát. A klasszikus mohó algoritmus az összes dobozt pontszám szerint rendezi, megtartja a legmagasabb pontszámot elérőt, majd eltávolítja az összes megmaradt dobozt, amelynek átfedése (az Unió feletti metszéspont, IoU értékkel mérve) meghaladja a 0,5-ös küszöböt. Ezt ismétli a fennmaradt dobozokon, amíg egy sem marad. Az eredmény objektumonként egy reprezentatív doboz. Az NMS egyszerű, gyors és paramétermentes, de vannak gyengeségei: a rögzített IoU küszöb tévesen elnyomhatja a valódi közeli objektumot zsúfolt jelenetekben, és az átfedést binárisként kezeli. Az olyan változatok, mint a Soft-NMS, lecsökkentik a pontszámokat ahelyett, hogy azonnal törölnék a dobozokat ennek megoldására.
Technikai betekintés
A fő mérték az IoU: két doboz metszéspontjának területe osztva az egyesülésük területével. A mohó NMS a legrosszabb esetben O(n^2), de a gyakorlatban gyors. Az IoU küszöbértéke lecseréli a precizitást és a visszahívást: az alacsony küszöb több dobozt távolít el (kockáztatja az elmulasztott közeli objektumokat), míg a magas küszöb többet tart meg (az ismétlődések kockázata). Az NMS-t általában osztályonként alkalmazzák, így a különböző kategóriájú dobozok nem nyomják el egymást.
Stratégiai hatás
Sebesség és méretarány
A vizuális AI képes automatizálni az ellenőrzési, észlelési és címkézési feladatokat nagy léptékben.
Építési lehetőségek
A kreatív csapatok gyorsabban prototípusokat készíthetnek a koncepciókból, kevesebb kézi átdolgozással.
Csapat és munkafolyamat
A műveletek olyan kép- és videojeleket használhatnak, amelyeket korábban nehéz volt feldolgozni.
A nem maximális elnyomás jövője
Az NMS továbbra is az alapértelmezett utófeldolgozó, de a mező az eltávolítása felé halad. A Soft-NMS, a DIoU-NMS és a tanult változatok javítják a zsúfolt jelenetek kezelését, míg a végpontok közötti detektorok, mint például a DETR, halmazalapú kétrészes egyeztetést használnak az egyedi dobozok közvetlen előrejelzésére, teljesen kiküszöbölve az NMS-t. Várható, hogy a kézzel hangolt küszöbértékek átadják a helyüket a tanult vagy NMS-mentes kialakításoknak, különösen mivel a transzformátordetektorok érettek, és a valós idejű rendszerek determinisztikus, elágazásmentes utófeldolgozást igényelnek.
Valós megvalósítás
Több tucat átfedő arcdoboz összecsukása arconként egybe a kamera- és fotócímkéző alkalmazásokban
Tiszta, egyetlen határoló dobozok gyártása járművenként és gyalogosonként autonóm vezetésű érzékelőkben
Az átfedő szövegrégió dobozok duplikációjának megszüntetése a dokumentum- és rendszámtábla-OCR-folyamatokban
Redundáns objektumjavaslatok tisztítása kiskereskedelmi polcfigyelő és készletszámláló rendszerekben
Kockázatok és védőkorlátok
A képhez fűződő jogok és a beleegyezés jogi kockázatot jelenthet, ha a származás nem egyértelmű.
A modell teljesítménye a világítástól, a demográfiai adatoktól és a környezettől függően változhat.
A hamis pozitívumok észrevétlenek maradhatnak, hacsak nem figyelik a megbízhatósági küszöböket.
Végrehajtási ütemterv
Határozza meg a pontosság, a visszahívás és a hibaköltségek elfogadási kritériumait.
Tesztelje a valós gyártási feltételeknek megfelelő adatokkal.
Adjon hozzá emberi felülvizsgálatot az alacsony megbízhatóságú vagy nagy hatású előrejelzésekhez.
A modell elsodródásának nyomon követése és újbóli érvényesítése a kamera vagy az adatkészlet módosítása után.
Folytassa a felfedezést
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Non-Maximum Suppression quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Következő útmutató
BYOL és nem kontrasztos önfelügyelet
Gyakran ismételt kérdések
What is Non-Maximum Suppression?
A Non-Maximum Suppression (NMS) az a tisztítási lépés, amely az egymást átfedő érzékelődobozok rendetlen halomát objektumonként egy rendezett dobozzá alakítja. Enélkül a detektorok ötször vagy tízszer jelentenék ugyanazt az autót.
Mi a nem maximális elnyomás fő célja az objektumészlelésben?
Az NMS kiküszöböli a detektor által létrehozott sok egymást átfedő jelöltdobozt, így objektumonként egyetlen reprezentatív doboz marad.
Melyik mérőszámot használja a szabványos NMS annak eldöntésére, hogy két doboz túlságosan fedi-e egymást?
Az NMS mérései átfedésben vannak az IoU-val: a metszésterület osztva a két doboz egyesülési területével.
A mohó NMS-ben melyik mezőt választják ki először minden körben?
A mohó NMS magabiztosan rendezi a dobozokat, és megtartja a legmagasabb pontszámot elérőt, majd elnyomja az átfedő, alacsonyabb pontszámú dobozokat.
Mi a mohó NMS ismert gyengesége zsúfolt jelenetekben?
Mivel törli az IoU küszöbérték feletti összes mezőt, az NMS tévesen eltávolíthatja egy másik objektum valódi észlelését, amely történetesen átfedésben van.
Miben különbözik a Soft-NMS a szabványos NMS-től?
A Soft-NMS csökkenti (csökkenti) az átfedő dobozok megbízhatóságát, ahelyett, hogy eldobná őket, csökkentve a hamis elnyomást a zsúfolt jelenetekben.