Немаксимальне придушення
Немаксимальне придушення (NMS) — це крок очищення, який перетворює безладну купу блоків виявлення, що перекриваються, в один охайний ящик для кожного об’єкта.
Огляд
Without it, detectors would report the same car five or ten times.
Глибоке занурення
Детектори об’єктів зазвичай передбачають багато квадратів-кандидатів навколо кожного реального об’єкта, кожен з яких має оцінку достовірності. NMS скорочує цю надмірність. Класичний жадібний алгоритм сортує всі блоки за балом, зберігає той, який набрав найвищий бал, а потім видаляє будь-який блок, що залишився, чиє перекриття (виміряне за допомогою Intersection over Union, IoU) перевищує порогове значення, наприклад 0,5. Він повторює це на вцілілих коробках, доки не залишиться жодної. Результатом є одна репрезентативна коробка на об’єкт. NMS є простим, швидким і легким параметром, але він має слабкі сторони: фіксований поріг IoU може помилково придушити справжній об’єкт поблизу в людних сценах, і він розглядає перекриття як двійкове. Варіанти, як-от оцінки розпаду Soft-NMS, замість прямого видалення полів для вирішення цієї проблеми.
Технічне розуміння
Основною мірою є IoU: площа перетину двох коробок, поділена на площу їх об’єднання. Жадібний NMS становить O(n^2) у гіршому випадку, але швидкий на практиці. Порогове значення IoU компроміс між точністю та запам’ятовуванням: низький поріг видаляє більше ящиків (ризик пропуску сусідніх об’єктів), тоді як високий поріг зберігає більше (ризик дублікатів). NMS зазвичай застосовується для кожного класу, щоб ящики різних категорій не пригнічували один одного.
Стратегічний вплив
Швидкість і масштаб
Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами.
Створіть вибір
Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну.
Команда та робочий процес
Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити.
Майбутнє немаксимального придушення
NMS залишається постпроцесором за замовчуванням, але поле рухається до його видалення. Soft-NMS, DIoU-NMS і навчені варіанти покращують обробку переповненої сцени, тоді як наскрізні детектори, такі як DETR, використовують двосторонню відповідність на основі набору для прямого прогнозування унікальних коробок, повністю усуваючи NMS. Очікуйте, що налаштовані вручну порогові значення поступляться місцем навченим або вільним від NMS дизайнам, особливо в міру зрілості трансформаторних сповіщувачів і системам реального часу потрібна детермінована постобробка без розгалужень.
Реалізація в реальному світі
Згортання десятків полів для обличчя, що перекриваються, по одному для кожного обличчя в програмах для камери та фотографій
Створення чистих, єдиних обмежувальних рамок для транспортного засобу та пішохода в детекторах автономного водіння
Усунення дублікатів текстових областей, що перекриваються, у конвеєрах оптичного розпізнавання документів і номерних знаків
Очищення зайвих пропозицій об’єктів у системах моніторингу полиць і підрахунку товарних запасів
Ризики та огорожі
Права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме.
Продуктивність моделі може відрізнятися залежно від освітлення, демографічних показників і середовища.
Помилкові спрацьовування можуть залишитися непоміченими, якщо не відстежувати пороги довіри.
Дорожня карта впровадження
Визначте критерії прийнятності для точності, відкликання та вартості помилок.
Тестуйте з даними, які відповідають реальним умовам виробництва.
Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу.
Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних.
Продовжуйте досліджувати
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
Наступний посібник
BYOL і неконтрастивний самоконтроль
Часті запитання
What is Non-Maximum Suppression?
Немаксимальне придушення (NMS) — це крок очищення, який перетворює безладну купу блоків виявлення, що перекриваються, в один охайний ящик для кожного об’єкта. Без нього детектори повідомляли б про ту саму машину п’ять-десять разів.
Яка основна мета немаксимального придушення при виявленні об’єктів?
NMS усуває багато блоків-кандидатів, що перекриваються, які створює детектор, залишаючи єдиний репрезентативний блок для кожного об’єкта.
Який показник використовує стандартна NMS, щоб визначити, чи два блоки занадто перекриваються?
Вимірювання NMS збігаються з IoU: площа перетину поділена на об’єднану площу двох блоків.
У greedy NMS, яка коробка вибирається першою в кожному раунді?
Greedy NMS сортує коробки за впевненістю та зберігає коробки з найвищим балом, а потім пригнічує блоки з нижчими балами, що перекриваються.
Яка відома слабкість жадібних NMS у багатолюдних сценах?
Оскільки NMS видаляє будь-яке поле, що перевищує порогове значення IoU, може помилково видалити справжнє виявлення іншого об’єкта, який випадково перекривається.
Чим Soft-NMS відрізняється від стандартного NMS?
Soft-NMS знижує (послаблює) достовірність блоків, що перекриваються, а не відкидає їх, зменшуючи придушення помилок у багатолюдних сценах.