Maksimum Olmayan Bastırma (NMS)

Maksimum Olmayan Bastırma Nasıl Çalışır?

NMS algoritması, tahmin edilen sınırlayıcı kutular arasında yineleme yaparak ve iki temel ölçüme dayalı kararlar vererek çalışır: güven puanları ve Birlik Üzerinde Kesişim (IoU) eşiği. Süreç şu adımlarla özetlenebilir:

1. Güvene Göre Sırala: Tahmin edilen tüm sınırlayıcı kutular ilk olarak güven puanlarına göre azalan sırada sıralanır. En yüksek puana sahip kutunun doğru olma olasılığının en yüksek olduğu kabul edilir.
2. En İyi Kutuyu Seçin: En yüksek güven puanına sahip sınırlayıcı kutu seçilir ve bu seçilen kutuyla yüksek IoU'ya sahip olan (yani, önemli ölçüde örtüşen) diğer tüm kutular listeden çıkarılır.
3. Tekrarla: İşlem, tüm kutular seçilene veya bastırılana kadar kalan sınırlayıcı kutularla tekrarlanır.

IoU eşiği kritik, kullanıcı tanımlı bir hiperparametredir. Düşük bir IoU eşiği, küçük bir örtüşmeye sahip kutuları bile bastıracağından daha az tespitle sonuçlanırken, yüksek bir eşik aynı nesne için birden fazla tespite izin verebilir. Bu eşiğe ince ayar yapmak genellikle bir modelin belirli bir veri kümesindeki performansını optimize etmenin bir parçasıdır.

Maksimal Olmayan Bastırma Uygulamaları

NMS, doğru nesne algılamaya dayanan birçok gerçek dünya yapay zeka uygulamasında çok önemli bir bileşendir.

• Otonom Araçlar: Sürücüsüz araçlarda, nesne algılama sistemleri yayaları, bisikletlileri ve diğer araçları çeşitli kamera ve LiDAR girdilerinden doğru bir şekilde tanımlamalıdır. NMS, tek bir yayanın birden fazla birey olarak algılanmamasını sağlayarak aracın yol planlama ve karar verme sistemleri için temiz bir girdi sağlar. Bu, gereksiz algılamaların neden olduğu gereksiz frenleme gibi düzensiz davranışları önler. Otonom sürüş için 3D nesne algılama üzerine yapılan araştırmada daha fazla ayrıntı bulunabilir.
• Tıbbi Görüntüleme: Tıbbi görüntü analizinde NMS, CT veya MRI taramalarındaki tümörler veya lezyonlar gibi anomalilerin tespitini iyileştirmek için kullanılır. Örneğin, tümörleri tespit etmek için YOLO11 gibi bir model kullanıldığında, NMS tek bir tümörün tek bir sınırlayıcı kutu ile belirlenmesini sağlamaya yardımcı olur ve tıbbi görüntüleme araştırmalarında araştırıldığı gibi teşhislerin ve tedavi planlamasının doğruluğunu artırır.

İlgili Tekniklerle Karşılaştırma

NMS, özellikle bir nesne algılama modeli ilk aday sınırlayıcı kutu kümesini oluşturduktan sonra uygulanan bir işlem sonrası adımdır. Çapa tabanlı dedektörler ile çapasız dedektörler arasındaki fark gibi algılama mimarisinin kendisiyle karıştırılmamalıdır. Bu mimariler potansiyel kutuların nasıl önerildiğini tanımlarken, NMS bu önerileri iyileştirir.

İlginç bir şekilde, NMS ile ilişkili hesaplama maliyeti ve potansiyel darboğazlar, NMS içermeyen nesne dedektörlerine yönelik araştırmaları teşvik etmiştir. YOLOv10 gibi modeller, çıkarım gecikmesini azaltmayı ve gerçekten uçtan uca tespit sağlamayı amaçlayarak, gereksiz kutuları tahmin etmekten doğal olarak kaçınmak için eğitim sırasında mekanizmaları entegre eder. Bu, NMS'nin çıkarım işlem hattının standart ve önemli bir parçası olmaya devam ettiği Ultralytics YOLOv8 veya YOLOv5 gibi geleneksel yaklaşımlarla tezat oluşturmaktadır. YOLOv10 ve YOLOv8 gibi teknik karşılaştırmaları belgelerimizde inceleyebilirsiniz. Soft-NMS gibi varyantlar, örtüşen kutuların puanlarını tamamen ortadan kaldırmak yerine azaltan alternatif yaklaşımlar sunar.

Ultralytics Araçları ile Entegrasyon

NMS, Ultralytics ekosistemine sorunsuz bir şekilde entegre edilmiştir. Ultralytics YOLO modelleri NMS'yi otomatik olarak tahmin (predict) ve doğrulama (val) modları, kullanıcıların varsayılan olarak temiz ve doğru algılama çıktıları almasını sağlar. NMS davranışını kontrol eden parametreler (IoU eşiği ve güven eşiği gibi) genellikle özel uygulama ihtiyaçları için ayarlanabilir.

Ultralytics HUB gibi platformlar bu ayrıntıları daha da soyutlayarak kullanıcıların modelleri eğitmesine ve NMS'nin optimize edilmiş boru hattının bir parçası olarak otomatik olarak ele alındığı yerlerde dağıtmasına olanak tanır. Bu entegrasyon, kullanıcıların MLOps konusundaki derin teknik uzmanlıklarından bağımsız olarak, çeşitli bilgisayarla görme görevleri için son teknoloji ürünü nesne algılama sonuçlarından yararlanabilmelerini sağlar. Ultralytics çerçevesindeki özel uygulama ayrıntıları Ultralytics yardımcı programları referansında keşfedilebilir. Daha fazla tanım için ana Ultralytics Sözlüğü'ne göz atın.