Tłumienie inne niż maksymalne
Tłumienie niemaksymalne (NMS) to etap czyszczenia, który zamienia niechlujny stos nakładających się pól wykrywania w jedno schludne pudełko na obiekt.
Przegląd
Without it, detectors would report the same car five or ten times.
Głębokie nurkowanie
Detektory obiektów zazwyczaj przewidują wiele pól kandydujących wokół każdego rzeczywistego obiektu, każdy z wynikiem pewności. NMS usuwa tę nadmiarowość. Klasyczny algorytm zachłanny sortuje wszystkie pola według wyniku, zatrzymuje ten z najwyższym wynikiem, a następnie usuwa pozostałe pola, których nakładanie się na nie (mierzone przez Intersection over Union, IoU) przekracza próg taki jak 0,5. Powtarza to na pozostałych pudełkach, aż nie pozostanie żaden. Rezultatem jest jedno reprezentatywne pudełko na obiekt. NMS jest prosty, szybki i nie wymaga wielu parametrów, ale ma słabe strony: stały próg IoU może błędnie tłumić prawdziwy pobliski obiekt w zatłoczonych scenach, a nakładanie się jest traktowane binarnie. Aby rozwiązać ten problem, stosuje się warianty takie jak wyniki zaniku Soft-NMS zamiast bezpośredniego usuwania pól.
Wgląd techniczny
Podstawową miarą jest IoU: obszar przecięcia dwóch pudełek podzielony przez obszar ich związku. Chciwy NMS to O(n^2) w najgorszym przypadku, ale szybki w praktyce. Próg IoU rezygnuje z precyzji i przypominania: niski próg usuwa więcej pudełek (ryzykując pominięcie pobliskich obiektów), podczas gdy wysoki próg zatrzymuje ich więcej (ryzykując duplikaty). NMS jest zwykle stosowany dla każdej klasy, więc pola różnych kategorii nie tłumią się nawzajem.
Wpływ strategiczny
Szybkość i skala
Wizualna sztuczna inteligencja może automatyzować zadania inspekcji, wykrywania i znakowania na dużą skalę.
Buduj wybory
Zespoły kreatywne mogą szybciej prototypować koncepcje przy mniejszej liczbie ręcznych poprawek.
Zespół i przepływ pracy
Operacje mogą wykorzystywać sygnały obrazu i wideo, które wcześniej były trudne do przetworzenia.
Przyszłość niemaksymalnego tłumienia
NMS pozostaje domyślnym postprocesorem, ale prace zmierzają w kierunku jego usunięcia. Soft-NMS, DIoU-NMS i wyuczone warianty usprawniają obsługę zatłoczonych scen, podczas gdy kompleksowe detektory, takie jak DETR, wykorzystują dwustronne dopasowywanie na podstawie zestawu do bezpośredniego przewidywania unikalnych pudełek, całkowicie eliminując NMS. Można się spodziewać, że ręcznie dostrojone progi ustąpią miejsca projektom wyuczonym lub wolnym od NMS, zwłaszcza że detektory transformatorowe są dojrzałe, a systemy czasu rzeczywistego wymagają deterministycznego, pozbawionego rozgałęzień przetwarzania końcowego.
Implementacja w świecie rzeczywistym
Zwijanie dziesiątek nakładających się pól twarzy w jedno na każdą twarz w aplikacjach do aparatu i oznaczania zdjęć
Tworzenie czystych, pojedynczych ramek ograniczających na pojazd i pieszego w detektorach jazdy autonomicznej
Deduplikacja nakładających się pól obszarów tekstowych w potokach OCR dokumentów i tablic rejestracyjnych
Usuwanie zbędnych propozycji obiektów w systemach monitorowania półek i liczenia zapasów w handlu detalicznym
Zagrożenia i poręcze
Prawa do wizerunku i zgoda mogą stanowić ryzyko prawne, jeśli pochodzenie jest niejasne.
Wydajność modelu może się różnić w zależności od oświetlenia, demografii i środowiska.
Fałszywie pozytywne wyniki mogą pozostać niezauważone, chyba że monitorowane są progi ufności.
Plan wdrożenia
Zdefiniuj kryteria akceptacji dotyczące kosztów precyzji, wycofania i błędów.
Przetestuj na danych odpowiadających rzeczywistym warunkom produkcyjnym.
Dodaj weryfikację manualną, aby prognozy były mało pewne lub miały duży wpływ.
Śledź dryf modelu i przeprowadzaj ponowną weryfikację po zmianie kamery lub zbioru danych.
Odkrywaj dalej
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
Następny poradnik
BYOL i niekontrastywna samokontrola
Często zadawane pytania
What is Non-Maximum Suppression?
Tłumienie niemaksymalne (NMS) to etap czyszczenia, który zamienia niechlujny stos nakładających się pól wykrywania w jedno schludne pole dla każdego obiektu. Bez tego detektory zgłaszałyby ten sam samochód pięć lub dziesięć razy.
Jaki jest główny cel tłumienia niemaksymalnego w wykrywaniu obiektów?
NMS eliminuje wiele nakładających się pól kandydatów wytwarzanych przez detektor, pozostawiając jedno reprezentatywne pole na obiekt.
Jakiej metryki używa standardowy NMS, aby zdecydować, czy dwa pola nakładają się na siebie za bardzo?
Miary NMS pokrywają się z IoU: obszar przecięcia podzielony przez obszar połączenia dwóch pól.
W zachłannym NMS, które pudełko jest wybierane jako pierwsze w każdej rundzie?
Chciwy NMS sortuje pola według pewności i zatrzymuje te o najwyższym wyniku, a następnie pomija nakładające się pola o niższym wyniku.
Jaka jest znana słabość zachłannego NMS-a w zatłoczonych scenach?
Ponieważ usuwa dowolne pole powyżej progu IoU, NMS może błędnie usunąć prawdziwe wykrycie innego obiektu, który się nakłada.
Czym Soft-NMS różni się od standardowego NMS?
Soft-NMS obniża (zanika) pewność nakładających się pól, zamiast je odrzucać, redukując fałszywe tłumienie w zatłoczonych scenach.