Немаксимальное подавление (НМС)

Немаксимальное подавление (НМП) - важный этап постобработки во многих задачах компьютерного зрения, в частности при обнаружении объектов. Он используется для уточнения результатов моделей обнаружения объектов, устраняя лишние ограничивающие поля и гарантируя, что каждый объект будет обнаружен только один раз. Этот процесс значительно повышает точность и интерпретируемость результатов обнаружения, что делает его незаменимым компонентом современных конвейеров обнаружения объектов.

Как работает подавление без максимума

Основная функция NMS - отфильтровать перекрывающиеся ограничительные рамки, которые предсказывают один и тот же объект. Это достигается путем оценки пересечения над объединением (IoU) между ограничивающими рамками и связанными с ними баллами доверия. Обычно этот процесс включает в себя следующие шаги:

1. Пороговая оценка: Изначально отбрасываются ограничивающие поля с показателем достоверности ниже определенного порога, так как они считаются малодостоверными обнаружениями.
2. Сортировка по степени доверия: Оставшиеся ограничительные рамки сортируются в порядке убывания по степени доверия к ним.
3. Итеративный отбор и подавление: Граничная область с наивысшим баллом доверия выбирается в качестве достоверного обнаружения. Затем все остальные граничные поля, которые имеют значительное перекрытие (IoU выше заданного порога) с выбранным полем, подавляются или удаляются. Это происходит потому, что эти коробки, скорее всего, обнаруживают один и тот же объект.
4. Повторяй: шаги 2 и 3 повторяются до тех пор, пока не останется ни одной ограничивающей рамки для обработки.

Этот итеративный процесс гарантирует, что будут сохранены только самые уверенные и не избыточные ограничительные рамки, что приведет к более чистому и точному набору обнаружения объектов. Ты можешь узнать больше о том, как NMS уточняет результаты при обнаружении объектов и повышает точность.

Важность в искусственном интеллекте и машинном обучении

В области искусственного интеллекта (ИИ) и машинного обучения (МЛ), особенно в таких моделях, как Ultralytics YOLO , НМС играет решающую роль в повышении точности результатов обнаружения объектов. Без NMS модели обнаружения объектов могут выдавать несколько ограничивающих рамок для одного объекта, что приводит к ложным срабатываниям и путанице, особенно в плотных сценах. Устраняя эти избыточные обнаружения, NMS обеспечивает краткость и точность вывода модели, что крайне важно для приложений, требующих высокой надежности, таких как автономные транспортные средства и системы безопасности. Для более глубокого понимания оценки моделей изучи YOLO Performance Metrics.

Применение в реальном мире

NMS является неотъемлемой частью многочисленных реальных приложений, которые зависят от точного обнаружения объектов:

• Автономное вождение: В самоуправляемых автомобилях NMS крайне важна для точной идентификации и отслеживания пешеходов, транспортных средств и дорожных знаков. Она гарантирует, что система восприятия автомобиля обеспечивает четкое и однозначное понимание окружающей обстановки, предотвращая потенциальные опасности. Узнай больше о роли компьютерного зрения в автономных автомобилях.
• Управление запасами в розничной торговле: NMS также применяется в розничной торговле для эффективного управления запасами. Точно обнаруживая и подсчитывая товары на полках, NMS помогает поддерживать оптимальный уровень запасов, сокращать расхождения и повышать операционную эффективность. Это обеспечивает доступность товара и повышает удовлетворенность покупателей.

Сравнение с аналогичными техниками

Хотя NMS - это техника постобработки, важно отличать ее от других компонентов в архитектурах обнаружения объектов. Детекторы, основанные на якорях, и детекторы без якорей - это разные подходы к генерации начальных предложений объектов. Методы, основанные на якорях, используют предопределенные ограничительные рамки, в то время как методы без якорей напрямую предсказывают центры объектов. Оба типа детекторов часто полагаются на NMS для уточнения конечных результатов, удаляя перекрывающиеся обнаружения.

Интеграция с Ultralytics Tools

NMS легко интегрируется в модели Ultralytics YOLO , повышая их производительность и удобство использования. Такие платформы, как Ultralytics HUB, упрощают развертывание этих моделей, делая передовое обнаружение объектов доступным для пользователей, не обладающих обширными техническими знаниями. Ultralytics HUB предоставляет среду без кода для обучения, проверки и развертывания моделей YOLO , при этом NMS работает в фоновом режиме, оптимизируя результаты обнаружения.

В заключение хочу сказать, что немаксимальное подавление - это фундаментальная техника для улучшения результатов обнаружения объектов. Его способность устранять избыточные обнаружения критически важна для достижения точных и надежных результатов в широком спектре приложений ИИ, от самоуправляемых автомобилей до автоматизации розничной торговли, и является ключевым компонентом в таких моделях, как Ultralytics YOLO .