SeterusnyaPanduan seterusnya
BYOL dan Penyeliaan Diri Tanpa Kontrastif
Teknikal
PANDUAN AI Visual
Penindasan Bukan Maksimum
Penindasan Bukan Maksimum (NMS) ialah langkah pembersihan yang menukar timbunan kotak pengesanan yang bertindih menjadi satu kotak kemas bagi setiap objek.
Dengar panduan iniAI-diceritakan · ~2 min
Pada halaman ini2 min dibaca
Gambaran keseluruhan
Without it, detectors would report the same car five or ten times.
Menyelam dalam
Pengesan objek biasanya meramalkan banyak kotak calon di sekeliling setiap objek sebenar, setiap satu dengan skor keyakinan. NMS memangkas lebihan ini. Algoritma tamak klasik mengisih semua kotak mengikut skor, mengekalkan satu pemarkahan tertinggi, kemudian mengalih keluar mana-mana kotak yang tinggal yang bertindih dengannya (diukur dengan Intersection over Union, IoU) melebihi ambang seperti 0.5. Ia mengulangi ini pada kotak yang masih hidup sehingga tiada yang tinggal. Hasilnya ialah satu kotak perwakilan bagi setiap objek. NMS adalah ringkas, pantas dan ringan parameter, tetapi ia mempunyai kelemahan: ambang IoU tetap boleh menekan objek berdekatan tulen secara salah dalam adegan sesak, dan ia menganggap pertindihan sebagai binari. Varian seperti skor pereputan Soft-NMS dan bukannya memadamkan kotak secara langsung untuk menangani perkara ini.
Pelaksanaan Dunia Sebenar
Meruntuhkan berpuluh-puluh kotak muka bertindih menjadi satu setiap muka dalam apl kamera dan pengetegan foto
Menghasilkan kotak sempadan tunggal yang bersih bagi setiap kenderaan dan pejalan kaki dalam pengesan pemanduan autonomi
Menyahgandakan kotak kawasan teks bertindih dalam saluran paip OCR dokumen dan plat lesen
Membersihkan cadangan objek berlebihan dalam sistem pemantauan rak runcit dan pengiraan inventori
Masa Depan Penindasan Bukan Maksimum
NMS kekal sebagai pemproses pasca lalai, tetapi medan sedang bergerak ke arah mengalih keluarnya. Soft-NMS, DIoU-NMS dan varian yang dipelajari meningkatkan pengendalian pemandangan sesak, manakala pengesan hujung ke hujung seperti DETR menggunakan padanan dwipartit berasaskan set untuk meramalkan kotak unik secara langsung, menghapuskan NMS sepenuhnya. Jangkakan ambang yang ditala tangan untuk memberi laluan kepada reka bentuk yang dipelajari atau bebas NMS, terutamanya apabila pengesan transformer matang dan sistem masa nyata menuntut pemproses pasca tanpa cawangan yang deterministik.
Mempraktikkannya
Mengapa ia penting
- Kelajuan dan skala. Visual AI boleh mengautomasikan tugas pemeriksaan, pengesanan dan penandaan pada skala.
- Pilihan binaan. Pasukan kreatif boleh membuat prototaip konsep dengan lebih pantas dengan lebih sedikit semakan manual.
- Pasukan dan aliran kerja. Operasi boleh menggunakan isyarat imej dan video yang sebelum ini sukar diproses.
Berhati-hati untuk
- Hak imej dan persetujuan boleh menjadi risiko undang-undang jika asalnya tidak jelas.
- Prestasi model boleh berbeza mengikut pencahayaan, demografi dan persekitaran.
- Positif palsu mungkin tidak disedari melainkan ambang keyakinan dipantau.
Langkah seterusnya
- Tentukan kriteria penerimaan untuk ketepatan, ingatan semula dan kos ralat.
- Uji dengan data yang sepadan dengan keadaan pengeluaran sebenar.
- Tambahkan semakan manusia untuk ramalan keyakinan rendah atau berimpak tinggi.
- Jejaki hanyut model dan sahkan semula selepas perubahan kamera atau set data.
Teruskan Meneroka
Newsletter percuma
Dapatkan taklimat AI harian
Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.
Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.
Uji diri anda
Take the Non-Maximum Suppression quiz
Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.
Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma
Soalan lazim
What is Non-Maximum Suppression?
Penindasan Bukan Maksimum (NMS) ialah langkah pembersihan yang menukar timbunan kotak pengesanan yang bertindih menjadi satu kotak kemas bagi setiap objek. Tanpanya, pengesan akan melaporkan kereta yang sama lima atau sepuluh kali.
Apakah tujuan utama Penindasan Bukan Maksimum dalam pengesanan objek?
NMS menghapuskan banyak kotak calon bertindih yang dihasilkan oleh pengesan, meninggalkan satu kotak wakil bagi setiap objek.
Metrik manakah yang digunakan oleh NMS standard untuk memutuskan sama ada dua kotak bertindih terlalu banyak?
Ukuran NMS bertindih dengan IoU: kawasan persimpangan dibahagikan dengan luas gabungan dua kotak.
Dalam NMS tamak, kotak manakah yang dipilih terlebih dahulu dalam setiap pusingan?
NMS yang tamak mengisih kotak mengikut keyakinan dan mengekalkan satu yang mendapat markah tertinggi, kemudian menekan kotak yang bertindih dengan markah yang lebih rendah.
Apakah kelemahan yang diketahui NMS tamak dalam adegan yang sesak?
Kerana ia memadamkan mana-mana kotak di atas ambang IoU, NMS boleh mengalih keluar pengesanan sebenar objek berbeza yang bertindih secara salah.
Bagaimanakah Soft-NMS berbeza daripada NMS standard?
Soft-NMS merendahkan (mereputkan) keyakinan kotak yang bertindih daripada membuangnya, mengurangkan penindasan palsu dalam adegan sesak.
Teruskan belajar
Panduan berkaitan
Lebih banyak panduan dipilih untuk topik ini