非最大抑制
非最大抑制 (NMS) は、重複した検出ボックスの乱雑な山をオブジェクトごとに 1 つの整然としたボックスに変えるクリーンアップ ステップです。
概要
Without it, detectors would report the same car five or ten times.
ディープダイブ
オブジェクト検出器は通常、各実際のオブジェクトの周囲にある多数の候補ボックスを予測し、それぞれに信頼スコアを付けます。 NMS はこの冗長性を取り除きます。古典的な貪欲アルゴリズムは、すべてのボックスをスコアで並べ替え、最もスコアの高いボックスを保持し、そのボックスとの重なり (Intersection over Union、IoU で測定) が 0.5 などのしきい値を超える残りのボックスを削除します。ボックスがなくなるまで、残ったボックスに対してこれを繰り返します。結果は、オブジェクトごとに 1 つの代表的なボックスになります。 NMS はシンプル、高速、パラメータが少ないですが、弱点があります。固定 IoU しきい値により、混雑したシーンで近くにある本物のオブジェクトが誤って抑制される可能性があり、オーバーラップをバイナリとして扱います。 Soft-NMS のような亜種は、ボックスを完全に削除するのではなく、スコアを減衰してこれに対処します。
技術的な洞察
中心的な尺度は IoU、つまり 2 つのボックスの交差面積をそれらの結合面積で割ったものです。貪欲な NMS は最悪の場合でも O(n^2) ですが、実際には高速です。 IoU しきい値は、精度とリコールのトレードオフになります。しきい値を低くすると、より多くのボックスが削除されます (近くのオブジェクトを見逃す危険があります)。一方、しきい値が高いと、より多くのボックスが保持されます (重複の危険があります)。 NMS は通常、クラスごとに適用されるため、異なるカテゴリのボックスが相互に抑制されません。
戦略的影響
速度とスケール
Visual AI は、検査、検出、タグ付けタスクを大規模に自動化できます。
ビルドの選択
クリエイティブ チームは、手動での修正を減らし、より迅速にコンセプトのプロトタイプを作成できます。
チームとワークフロー
以前は処理が困難であった画像信号やビデオ信号を操作に使用できるようになります。
非最大抑制の未来
NMS は依然としてデフォルトのポストプロセッサーですが、この分野では NMS を削除する方向に進んでいます。 Soft-NMS、DIoU-NMS、および学習済みバリアントは、混雑したシーンの処理を改善します。一方、DETR のようなエンドツーエンド検出器は、セットベースの 2 部マッチングを使用して一意のボックスを直接予測し、NMS を完全に排除します。特に変圧器検出器が成熟し、リアルタイム システムが決定論的で分岐のない後処理を要求するにつれて、手動調整されたしきい値が学習済み設計または NMS フリー設計に取って代わられることが予想されます。
現実世界の実装
カメラや写真のタグ付けアプリで、重なり合う数十の顔ボックスを顔ごとに 1 つに折りたたむ
自動運転検知器で車両と歩行者ごとにクリーンな単一の境界ボックスを生成
ドキュメントおよびナンバープレートの OCR パイプラインで重複するテキスト領域ボックスの重複を除去する
小売店の棚監視および在庫計数システムにおける冗長なオブジェクト提案のクリーンアップ
リスクとガードレール
出所が不明瞭な場合、肖像権と同意が法的リスクとなる可能性があります。
モデルのパフォーマンスは、照明、人口統計、環境によって異なる場合があります。
信頼度のしきい値が監視されない限り、誤検知は気付かれない可能性があります。
実装ロードマップ
精度、再現率、エラーコストの許容基準を定義します。
実際の生産条件に一致するデータを使用してテストします。
信頼性の低い予測や影響の大きい予測については、人間によるレビューを追加します。
モデルのドリフトを追跡し、カメラまたはデータセットの変更後に再検証します。
探検を続けましょう
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
次のガイド
BYOL と非対照的な自己監督
よくある質問
What is Non-Maximum Suppression?
非最大抑制 (NMS) は、重複した検出ボックスの乱雑な山をオブジェクトごとに 1 つの整然としたボックスに変えるクリーンアップ ステップです。これがなければ、探知機は同じ車を 5 回または 10 回報告することになります。
物体検出における非最大抑制の主な目的は何ですか?
NMS は、検出器が生成する多数の重複する候補ボックスを削除し、オブジェクトごとに 1 つの代表ボックスを残します。
標準 NMS は、2 つのボックスが重なりすぎているかどうかを判断するためにどのメトリックを使用しますか?
NMS 測定値は、IoU (交差領域を 2 つのボックスの結合領域で割ったもの) と重複します。
貪欲な NMS では、各ラウンドでどのボックスが最初に選択されますか?
Greedy NMS は信頼度に基づいてボックスを並べ替え、最もスコアの高いボックスを保持し、重複するスコアの低いボックスを抑制します。
混雑したシーンにおける貪欲な NMS の既知の弱点は何ですか?
IoU しきい値を超えるボックスはすべて削除されるため、NMS は、偶然重なった別のオブジェクトの実際の検出を誤って削除する可能性があります。
Soft-NMS は標準 NMS とどのように異なりますか?
Soft-NMS は、重複するボックスを破棄するのではなく信頼性を低下 (減衰) させ、混雑したシーンでの誤った抑制を減らします。