การปราบปรามที่ไม่สูงสุด
Non-Maximum Suppression (NMS) เป็นขั้นตอนการล้างข้อมูลที่จะเปลี่ยนกองการตรวจจับที่ทับซ้อนกันที่ยุ่งเหยิงให้กลายเป็นกล่องเดียวที่เป็นระเบียบเรียบร้อยต่อวัตถุ
ภาพรวม
หากไม่มีมัน เครื่องตรวจจับจะรายงานรถคันเดิมซ้ํา ๆ ห้าหรือสิบครั้ง
เจาะลึก
โดยทั่วไปแล้วตัวตรวจจับวัตถุจะทำนายกล่องตัวเลือกจำนวนมากรอบๆ วัตถุจริงแต่ละชิ้น โดยแต่ละกล่องจะมีคะแนนความเชื่อมั่น NMS จะตัดความซ้ำซ้อนนี้ออก อัลกอริธึมโลภแบบคลาสสิกจะจัดเรียงกล่องทั้งหมดตามคะแนน เก็บกล่องที่มีคะแนนสูงสุด จากนั้นลบกล่องที่เหลือซึ่งทับซ้อนกับกล่องนั้น (วัดโดย Intersection over Union, IoU) เกินเกณฑ์ เช่น 0.5 มันทำซ้ำบนกล่องที่ยังมีชีวิตอยู่จนไม่มีเหลือเลย ผลลัพธ์ที่ได้คือหนึ่งกล่องตัวแทนต่อวัตถุ NMS นั้นเรียบง่าย รวดเร็ว และใช้พารามิเตอร์น้อย แต่มีจุดอ่อน: เกณฑ์ IoU คงที่สามารถระงับวัตถุใกล้เคียงของแท้ในฉากที่มีผู้คนหนาแน่นได้อย่างไม่ถูกต้อง และจะถือว่าการทับซ้อนกันเป็นไบนารี ตัวแปรต่างๆ เช่น คะแนนการสลายตัวของ Soft-NMS แทนที่จะลบกล่องออกทันทีเพื่อแก้ไขปัญหานี้
ข้อมูลเชิงลึกทางเทคนิค
มาตรการหลักคือ IoU: พื้นที่จุดตัดของกล่องสองกล่องหารด้วยพื้นที่สหภาพ Greedy NMS คือ O(n^2) ในกรณีที่แย่ที่สุด แต่ในทางปฏิบัติรวดเร็ว เกณฑ์ IoU แลกกับความแม่นยำและการเรียกคืน: เกณฑ์ต่ำจะลบกล่องมากขึ้น (เสี่ยงต่อการพลาดวัตถุใกล้เคียง) ในขณะที่เกณฑ์สูงจะเก็บมากขึ้น (เสี่ยงต่อการซ้ำซ้อน) โดยปกติจะใช้ NMS ต่อคลาส ดังนั้นกล่องที่มีหมวดหมู่ต่างกันจึงไม่ระงับซึ่งกันและกัน
ผลกระทบเชิงกลยุทธ์
ความเร็วและขนาด
Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
สร้างทางเลือก
ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
ทีมงานและขั้นตอนการทำงาน
การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก
อนาคตของการปราบปรามแบบไม่สูงสุด
NMS ยังคงเป็นตัวประมวลผลหลังเริ่มต้น แต่ฟิลด์กำลังเคลื่อนไปสู่การลบออก Soft-NMS, DIoU-NMS และตัวแปรที่เรียนรู้ช่วยปรับปรุงการจัดการกับฉากที่มีผู้คนหนาแน่น ในขณะที่เครื่องตรวจจับจากต้นทางถึงปลายทาง เช่น DETR ใช้การจับคู่แบบแบ่งส่วนตามชุดเพื่อทำนายกล่องที่ไม่ซ้ำใครโดยตรง โดยกำจัด NMS ทั้งหมด คาดหวังว่าเกณฑ์ที่ได้รับการปรับแต่งด้วยมือจะเป็นการเปิดทางให้กับการเรียนรู้หรือการออกแบบที่ปราศจาก NMS โดยเฉพาะอย่างยิ่งเมื่อเครื่องตรวจจับหม้อแปลงมีความสมบูรณ์และระบบเรียลไทม์ต้องการกระบวนการหลังการประมวลผลที่กำหนดขึ้นและปราศจากสาขา
การใช้งานจริงในโลกแห่งความเป็นจริง
ยุบกล่องใบหน้าที่ทับซ้อนกันหลายสิบกล่องให้เป็นกล่องเดียวต่อใบหน้าในแอปกล้องถ่ายรูปและการแท็กรูปภาพ
การผลิตกล่องกั้นเขตเดี่ยวที่สะอาดต่อรถยนต์และคนเดินถนนในเครื่องตรวจจับการขับขี่อัตโนมัติ
ยกเลิกการทำซ้ำกล่องภูมิภาคข้อความที่ทับซ้อนกันในเอกสารและไปป์ไลน์ OCR ป้ายทะเบียน
การทำความสะอาดข้อเสนอวัตถุที่ซ้ำซ้อนในระบบตรวจสอบชั้นวางขายปลีกและการนับสินค้าคงคลัง
ความเสี่ยงและรั้ว
สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น
แผนงานการดำเนินงาน
กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล
สำรวจต่อไป
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
คำแนะนำต่อไป
BYOL และการกำกับดูแลตนเองแบบไม่ขัดแย้ง
คำถามที่พบบ่อย
การกดขี่แบบไม่สูงสุดคืออะไร?
Non-Maximum Suppression (NMS) เป็นขั้นตอนการล้างข้อมูลที่จะเปลี่ยนกองการตรวจจับที่ทับซ้อนกันที่ยุ่งเหยิงให้กลายเป็นกล่องเดียวที่เป็นระเบียบเรียบร้อยต่อวัตถุ หากไม่มีอุปกรณ์ดังกล่าว อุปกรณ์ตรวจจับจะรายงานรถคันเดียวกันห้าหรือสิบครั้ง
วัตถุประสงค์หลักของ Non-Maximum Suppression ในการตรวจจับวัตถุคืออะไร?
NMS จะกำจัดกล่องผู้สมัครที่ทับซ้อนกันหลายกล่องที่เครื่องตรวจจับสร้างขึ้น โดยเหลือกล่องตัวแทนเพียงกล่องเดียวต่อวัตถุ
NMS มาตรฐานใช้ตัวชี้วัดใดในการตัดสินใจว่ากล่องสองกล่องทับซ้อนกันมากเกินไปหรือไม่
การวัด NMS ทับซ้อนกับ IoU: พื้นที่ทางแยกหารด้วยพื้นที่สหภาพของทั้งสองกล่อง
ใน NMS โลภ กล่องไหนจะถูกเลือกก่อนในแต่ละรอบ?
Greedy NMS จัดเรียงกล่องตามความมั่นใจและเก็บกล่องที่มีคะแนนสูงสุดไว้ จากนั้นจะระงับกล่องที่มีคะแนนต่ำกว่าที่ทับซ้อนกัน
อะไรคือจุดอ่อนที่ทราบของ NMS โลภในฉากที่มีผู้คนหนาแน่น?
เนื่องจากจะลบกล่องใดๆ ที่อยู่เหนือเกณฑ์ IoU NMS จึงสามารถลบการตรวจจับที่แท้จริงของอ็อบเจ็กต์อื่นที่ทับซ้อนกันได้อย่างไม่ถูกต้อง
Soft-NMS แตกต่างจาก NMS มาตรฐานอย่างไร
Soft-NMS ช่วยลด (ลดลง) ความเชื่อมั่นของกล่องที่ทับซ้อนกัน แทนที่จะทิ้งมันไป ลดการปราบปรามที่ผิดพลาดในฉากที่มีผู้คนหนาแน่น