غیر زیادہ سے زیادہ دبانا

Without it, detectors would report the same car five or ten times.

آبجیکٹ ڈٹیکٹر عام طور پر ہر حقیقی چیز کے ارد گرد بہت سے امیدوار خانوں کی پیشین گوئی کرتے ہیں، ہر ایک کا اعتماد اسکور ہوتا ہے۔ NMS اس فالتو پن کو کاٹتا ہے۔ کلاسک لالچی الگورتھم تمام خانوں کو اسکور کے لحاظ سے ترتیب دیتا ہے، سب سے زیادہ اسکور کرنے والے کو رکھتا ہے، پھر کسی بھی باقی باکس کو ہٹاتا ہے جس کا اس کے ساتھ اوورلیپ ہوتا ہے (انٹرسیکشن اوور یونین، IoU سے ماپا جاتا ہے) حد سے تجاوز کرتا ہے جیسے کہ 0.5۔ یہ بچ جانے والے خانوں پر اس کو دہراتا ہے جب تک کہ کوئی باقی نہ رہے۔ نتیجہ فی آبجیکٹ ایک نمائندہ خانہ ہے۔ NMS سادہ، تیز، اور پیرامیٹر لائٹ ہے، لیکن اس میں کمزوریاں ہیں: ایک مقررہ IoU حد بھیڑ والے مناظر میں کسی حقیقی قریبی چیز کو غلط طریقے سے دبا سکتی ہے، اور یہ اوورلیپ کو بائنری سمجھتا ہے۔ اس کو حل کرنے کے لیے باکسز کو سیدھا حذف کرنے کے بجائے Soft-NMS ڈے سکور جیسے متغیرات۔