Maksimum Olmayan Bastırma
Maksimum Olmayan Bastırma (NMS), üst üste binen algılama kutularından oluşan dağınık bir yığını, nesne başına tek bir düzenli kutuya dönüştüren temizleme adımıdır.
Genel Bakış
Without it, detectors would report the same car five or ten times.
Derin Dalış
Nesne dedektörleri tipik olarak her gerçek nesnenin etrafında her biri bir güven puanına sahip birçok aday kutuyu tahmin eder. NMS bu fazlalığı ortadan kaldırır. Klasik açgözlü algoritma, tüm kutuları puana göre sıralar, en yüksek puanı alan kutuyu tutar ve ardından kendisiyle örtüşen (Birleşim Üzerinden Kesişme, IoU ile ölçülür) 0,5 gibi bir eşiği aşan kalan tüm kutuları kaldırır. Hiçbiri kalmayana kadar bunu hayatta kalan kutularda tekrarlar. Sonuç, nesne başına bir temsili kutudur. NMS basit, hızlı ve parametre açısından hafiftir ancak zayıf yönleri vardır: sabit bir IoU eşiği, kalabalık sahnelerde yakındaki gerçek bir nesneyi yanlışlıkla bastırabilir ve örtüşmeyi ikili olarak ele alır. Bu sorunu çözmek için kutuları doğrudan silmek yerine Soft-NMS bozunma puanları gibi varyantlar.
Teknik Bilgi
Temel ölçü IoU'dur: iki kutunun kesişim alanının birleşim alanına bölümü. Açgözlü NMS en kötü durumda O(n^2)'dir ancak pratikte hızlıdır. IoU eşiği, hassasiyet ve hatırlamadan ödün verir: düşük bir eşik, daha fazla kutuyu kaldırır (yakındaki nesnelerin gözden kaçırılması riskini taşır), yüksek bir eşik ise daha fazlasını tutar (kopyaları riske atar). NMS genellikle sınıf başına uygulanır, böylece farklı kategorilerdeki kutular birbirini bastırmaz.
Stratejik Etki
Speed and scale
Visual AI, inceleme, algılama ve etiketleme görevlerini geniş ölçekte otomatikleştirebilir.
Build choices
Yaratıcı ekipler, daha az manuel revizyonla konseptleri daha hızlı prototipleyebilir.
Ekip ve iş akışı
Operasyonlar, daha önce işlenmesi zor olan görüntü ve video sinyallerini kullanabilir.
Maksimum Olmayan Bastırmanın Geleceği
NMS varsayılan son işlemci olmaya devam ediyor, ancak alan onu kaldırmaya doğru ilerliyor. Soft-NMS, DIoU-NMS ve öğrenilmiş değişkenler kalabalık sahnelerin işlenmesini iyileştirirken, DETR gibi uçtan uca dedektörler benzersiz kutuları doğrudan tahmin etmek için set tabanlı iki parçalı eşleştirmeyi kullanarak NMS'yi tamamen ortadan kaldırır. Özellikle transformatör dedektörleri olgunlaştıkça ve gerçek zamanlı sistemler deterministik, dallanma gerektirmeyen son işlem talep ettiğinden, elle ayarlanmış eşiklerin yerini öğrenilmiş veya NMS'siz tasarımlara bırakmasını bekleyebilirsiniz.
Gerçek Dünya Uygulaması
Kamera ve fotoğraf etiketleme uygulamalarında düzinelerce üst üste binen yüz kutusunu yüz başına bir kutuya daraltma
Otonom sürüş dedektörlerinde araç ve yaya başına temiz, tek sınırlayıcı kutular üretmek
Belge ve plaka OCR işlem hatlarında çakışan metin bölgesi kutularının kopyalarını kaldırma
Perakende raf izleme ve envanter sayma sistemlerinde gereksiz nesne tekliflerinin temizlenmesi
Riskler ve Korkuluklar
Kaynağın belirsiz olması durumunda görüntü hakları ve rıza yasal risk haline gelebilir.
Model performansı aydınlatma, demografik özellikler ve ortamlara göre değişiklik gösterebilir.
Güven eşikleri izlenmediği sürece yanlış pozitifler fark edilmeyebilir.
Uygulama Yol Haritası
Kesinlik, geri çağırma ve hata maliyetlerine ilişkin kabul kriterlerini tanımlayın.
Gerçek üretim koşullarıyla eşleşen verilerle test edin.
Düşük güvenirliğe sahip veya yüksek etkili tahminler için gerçek kişi tarafından yapılan incelemeyi ekleyin.
Model kaymasını izleyin ve kamera veya veri kümesi değişikliklerinden sonra yeniden doğrulayın.
Keşfetmeye Devam Edin
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
Next guide
BYOL ve Karşılaştırmalı Olmayan Öz Denetim
Sık sorulan sorular
What is Non-Maximum Suppression?
Maksimum Olmayan Bastırma (NMS), üst üste binen algılama kutularından oluşan dağınık bir yığını, nesne başına tek bir düzenli kutuya dönüştüren temizleme adımıdır. O olmasaydı dedektörler aynı arabayı beş ya da on kez rapor ederdi.
Nesne tespitinde Maksimum Olmayan Bastırmanın temel amacı nedir?
NMS, bir dedektörün ürettiği birçok örtüşen aday kutuyu ortadan kaldırarak nesne başına tek bir temsili kutu bırakır.
Standart NMS, iki kutunun çok fazla örtüşüp örtüşmediğine karar vermek için hangi ölçümü kullanır?
NMS ölçümleri IoU ile örtüşmektedir: kesişim alanı iki kutunun birleşim alanına bölünmektedir.
Açgözlü NMS'de her turda ilk önce hangi kutu seçilir?
Açgözlü NMS, kutuları güvenle sıralar ve en yüksek puanı alan kutuyu tutar, ardından çakışan düşük puan alan kutuları bastırır.
Kalabalık sahnelerde açgözlü NMS'nin bilinen zayıflığı nedir?
IoU eşiğinin üzerindeki herhangi bir kutuyu sildiği için NMS, çakışan farklı bir nesnenin gerçek algılamasını yanlışlıkla kaldırabilir.
Soft-NMS'nin standart NMS'den farkı nedir?
Soft-NMS, kalabalık sahnelerde yanlış bastırmayı azaltarak, üst üste gelen kutuları atmak yerine bunların güvenini azaltır (azaltır).