Tiếp theoHướng dẫn tiếp theo
BYOL và Tự giám sát không tương phản
kỹ thuật
HƯỚNG DẪN AI trực quan
Ức chế không tối đa
Ngăn chặn không tối đa (NMS) là bước dọn dẹp giúp biến một đống hộp phát hiện chồng chéo lộn xộn thành một hộp gọn gàng cho mỗi đối tượng.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Nếu không có nó, máy dò sẽ báo cáo cùng một chiếc xe năm hoặc mười lần.
Lặn sâu
Trình phát hiện đối tượng thường dự đoán nhiều hộp ứng cử viên xung quanh mỗi đối tượng thực, mỗi hộp có điểm tin cậy. NMS cắt bỏ phần dư thừa này. Thuật toán tham lam cổ điển sắp xếp tất cả các hộp theo điểm, giữ hộp có điểm cao nhất, sau đó loại bỏ bất kỳ hộp nào còn lại có trùng lặp với nó (được đo bằng Giao lộ trên Union, IoU) vượt quá ngưỡng chẳng hạn như 0,5. Nó lặp lại điều này trên các hộp còn sót lại cho đến khi không còn hộp nào. Kết quả là một hộp đại diện cho mỗi đối tượng. NMS đơn giản, nhanh và ít tham số, nhưng nó có điểm yếu: ngưỡng IoU cố định có thể triệt tiêu sai một đối tượng thực sự ở gần trong các cảnh đông đúc và nó coi sự chồng chéo là nhị phân. Các biến thể như điểm phân rã Soft-NMS thay vì xóa hoàn toàn các hộp để giải quyết vấn đề này.
Triển khai trong thế giới thực
Thu gọn hàng chục hộp khuôn mặt chồng chéo thành một hộp cho mỗi khuôn mặt trong ứng dụng máy ảnh và gắn thẻ ảnh
Sản xuất các hộp giới hạn đơn, sạch sẽ cho mỗi phương tiện và người đi bộ trong máy dò lái xe tự động
Loại bỏ trùng lặp các hộp vùng văn bản chồng chéo trong đường dẫn OCR tài liệu và biển số xe
Dọn dẹp các đề xuất đối tượng dư thừa trong hệ thống giám sát kệ bán lẻ và đếm hàng tồn kho
Tương lai của sự đàn áp không tối đa
NMS vẫn là bộ xử lý hậu kỳ mặc định, nhưng lĩnh vực này đang tiến tới loại bỏ nó. Soft-NMS, DIoU-NMS và các biến thể đã học cải thiện khả năng xử lý cảnh đông đúc, trong khi các trình phát hiện đầu cuối như DETR sử dụng tính năng so khớp lưỡng cực theo bộ để dự đoán trực tiếp các hộp duy nhất, loại bỏ hoàn toàn NMS. Mong đợi các ngưỡng được điều chỉnh bằng tay sẽ nhường chỗ cho các thiết kế đã học hoặc không có NMS, đặc biệt là khi các máy dò biến áp hoàn thiện và các hệ thống thời gian thực yêu cầu xử lý hậu kỳ xác định, không phân nhánh.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Tốc độ và tỷ lệ. Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
- Xây dựng lựa chọn. Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
- Nhóm và quy trình làm việc. Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
coi chừng
- Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
- Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
- Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Các bước tiếp theo
- Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
- Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
- Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
- Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Non-Maximum Suppression quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Ức chế không tối đa là gì?
Ngăn chặn không tối đa (NMS) là bước dọn dẹp giúp biến một đống hộp phát hiện chồng chéo lộn xộn thành một hộp gọn gàng cho mỗi đối tượng. Nếu không có nó, máy dò sẽ báo cáo cùng một chiếc xe năm hoặc mười lần.
Mục đích chính của Ngăn chặn không tối đa trong phát hiện đối tượng là gì?
NMS loại bỏ nhiều hộp ứng cử viên chồng chéo mà máy dò tạo ra, để lại một hộp đại diện duy nhất cho mỗi đối tượng.
NMS tiêu chuẩn sử dụng số liệu nào để quyết định xem hai hộp có chồng lên nhau quá nhiều không?
Các biện pháp NMS trùng lặp với IoU: diện tích giao nhau được chia cho diện tích hợp của hai hộp.
Trong NMS tham lam, hộp nào được chọn đầu tiên trong mỗi vòng?
NMS tham lam sắp xếp các hộp một cách tự tin và giữ hộp có điểm cao nhất, sau đó loại bỏ các hộp có điểm thấp hơn chồng chéo.
Điểm yếu được biết đến của NMS tham lam trong cảnh đông người là gì?
Bởi vì nó xóa bất kỳ hộp nào trên ngưỡng IoU, NMS có thể loại bỏ sai phát hiện thực sự của một đối tượng khác xảy ra chồng chéo.
Soft-NMS khác với NMS tiêu chuẩn như thế nào?
Soft-NMS làm giảm (suy giảm) độ tin cậy của các hộp chồng chéo thay vì loại bỏ chúng, giảm thiểu tình trạng triệt tiêu sai trong các cảnh đông đúc.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này