المسرد

الكبت غير الأقصى (NMS)

عزز دقة اكتشاف الأجسام باستخدام ميزة "القمع غير الأقصى". اكتشف تأثيره على نماذج الذكاء الاصطناعي والتطبيقات الواقعية مثل السيارات ذاتية القيادة.

تدريب YOLO النماذج
ببساطة مع Ultralytics HUB

التعرف على المزيد

يُعد الكبت غير الأقصى (NMS) تقنية حاسمة في الرؤية الحاسوبية، لا سيما في مهام اكتشاف الأجسام. وهي تلعب دورًا حيويًا في تنقيح التنبؤات من نماذج اكتشاف الكائنات عن طريق إزالة المربعات المحدودة الزائدة والمتداخلة. يضمن ذلك التعرف على كل كائن مرة واحدة فقط، مما يحسن دقة النموذج وكفاءته. NMS هي خطوة ما بعد المعالجة التي تتبع مرحلة الكشف الأولي، حيث يمكن التنبؤ بمربعات متعددة لكائن واحد.

كيف يعمل الكبت غير الأقصى

تعمل NMS من خلال تقييم درجات الثقة للمربعات المحدودة المتوقعة. الهدف هو الاحتفاظ بالتنبؤ الأكثر دقة لكل كائن. فيما يلي تفصيل تفصيلي خطوة بخطوة:

  1. ترتيب الدرجات: يتم ترتيب جميع المربعات المحدودة المتوقعة بناءً على درجات الثقة الخاصة بها.
  2. الاختيار: يتم تحديد المربع الذي حصل على أعلى درجة ثقة كاكتشاف إيجابي.
  3. حساب التداخل: يحسب NMS التقاطع على الاتحاد (IoU) للمربعات المتبقية مع المربع المحدد. IoU هو مقياس يقيس التداخل بين مربعين محدّدين لمعرفة المزيد عن IoU.
  4. الإلغاء: تعتبر المربعات التي تحتوي على وحدة إنترنت أكبر من العتبة المحددة مسبقًا زائدة عن الحاجة ويتم تجاهلها.
  5. التكرار: تكرر هذه العملية مع المربع الأعلى درجة التالي حتى تتم معالجة جميع المربعات.

الملاءمة في الذكاء الاصطناعي والتعلم الآلي

يعد NMS ضروريًا لتحسين عمليات الكشف في نماذج مثل Ultralytics YOLO . من خلال التخلص من التنبؤات المكررة، يعزز نظام رصد الأجسام من دقة نماذج اكتشاف الأجسام، مما يضمن عدم ازدحام التنبؤات بمربعات متداخلة متعددة. وهذا مفيد بشكل خاص في تطبيقات الوقت الحقيقي، مثل المركبات ذاتية القيادة وأنظمة المراقبة.

التمييز بين نظام إدارة الأمن القومي والتقنيات المماثلة

بينما تتعامل NMS مع الحد من التكرار في المربعات المحددة، تستهدف تقنيات مثل الكاشفات القائمة على المرساة والكاشفات الخالية من المرساة جوانب مختلفة من اكتشاف الأجسام. تعتمد الأساليب القائمة على المرساة على الأشكال المحددة مسبقًا، بينما تتنبأ النماذج الخالية من المرساة بمراكز الأجسام مباشرةً. تعمل كلتا هاتين الطريقتين قبل نظام تحديد المربعات الخالية من المرتكزات في خط أنابيب الكشف عن الأجسام.

التطبيقات الواقعية

1. السيارات ذاتية القيادة

في السيارات ذاتية القيادة، يلعب نظام إدارة السلامة الوطنية دوراً محورياً في تحديد العوائق وعلامات الطريق بدقة. ومن خلال تصفية الاكتشافات المتداخلة، يضمن نظام اتخاذ القرار في السيارة الحصول على بيانات واضحة ودقيقة لمعالجتها، مما يعزز السلامة والكفاءة. اكتشف المزيد حول الذكاء الاصطناعي في السيارات ذاتية القيادة.

2. إدارة مخزون التجزئة

تستفيد بيئات البيع بالتجزئة من نظام إدارة المخزون في تطبيقات مثل تتبع المخزون. فهو يساعد الأنظمة على عد المنتجات وتصنيفها بدقة دون تداخل عمليات الكشف، مما يعزز عمليات إدارة المخزون. تعرف على المزيد حول الذكاء الاصطناعي في البيع بالتجزئة.

التكامل مع أدوات Ultralytics

يتم دمج NMS في البنى الحديثة للكشف عن الكائنات مثل Ultralytics YOLO ، مما يبسط العملية للمستخدمين من خلال منصات مثل Ultralytics HUB، والتي توفر حلولاً سلسة بدون تعليمات برمجية لنشر الذكاء الاصطناعي. يعمل ذلك على تبسيط تطبيق NMS في بيئات متنوعة، من الزراعة إلى الرعاية الصحية.

للمهتمين باستخدام نظام إدارة النماذج مع PyTorch ، اطلع على Ultralytics' PyTorch دليل التنفيذ، الذي يدعم تدريب النماذج ونشرها، مما يعزز فعالية مشاريع الذكاء الاصطناعي الخاصة بك.

خلاصة القول، يُعدّ الكبت غير الأقصى تقنية حيوية تعزز دقة نماذج اكتشاف الأجسام من خلال تحسين التنبؤات وإزالة التكرار. ويشمل تطبيقه مختلف الصناعات، ويثبت أنه لا غنى عنه في الحلول القائمة على الذكاء الاصطناعي. استكشف كيف تجعل أدوات Ultralytics من السهل تنفيذ تقنية الكبت غير الأقصى من خلال أدوات ، مما يضمن تحقيق نماذج الذكاء الاصطناعي الخاصة بك الدقة والكفاءة المثلى.

قراءة الكل