home
🥞 BE
////
home
////

비-최대 억제(NMS, Non-maximum Suppression)

object detector가 예측한 bounding box 중에서 정확한 bounding box를 선택하도록 하는 기법

알고리즘 작동 단계

1. 하나의 클래스에 대한 bounding boxes 목록에서 가장 높은 점수를 갖고 있는 bounding box를 선택하고 목록에서 제거합니다. 그리고 final box에 추가합니다.
2. 선택된 bounding box를 bounding boxes 목록에 있는 모든 bounding box와 IoU를 계산하여 비교합니다. IoU가 threshold보다 높으면 bounding boxes 목록에서 제거합니다.
3. bounding boxes 목록에 남아있는 bounding box에서 가장 높은 점수를 갖고 있는 것을 선택하고 목록에서 제거합니다. 그리고 final box에 추가합니다.
4. 다시 선택된 bounding box를 목록에 있는 box들과 IoU를 비교합니다. threshold보다 높으면 목록에서 제거합니다.
5. bounding boxes에 아무것도 남아 있지 않을 때 까지 반복합니다.
6. 각각의 클래스에 대해 위 과정을 반복합니다.

Jaccard Overlap = IoU(Intersection Over Union)

객체 검출의 정확도를 평가하는 지표
일반적으로 Object Detection에서 개별 객체에 대한 검출이 성공하였는지를 결정하는 지표로 0~1값
[Object Detection] 비-최대 억제(NMS, Non-maximum Suppression)를 이해하고 파이토치로 구현하기
안녕하세요! 이번 포스팅에서는 비-최대 억제(NMS,Non-maximum Suppression) 을 알아보도록 하겠습니다. 비최대 억제를 이해하기 위해서는 IoU(intersection over unio) 에 대한 개념을 알아야합니다. IoU에 대한 내용은 아래 링크에 있습니다. 비 -최대 억제(non-max suppresion)은 object detector가 예측한 bounding box 중에서 정확한 bounding box를 선택하도록 하는 기법 입니다. 이미지에서 객체는 다양한 크기와 형태로 존재합니다.
https://deep-learning-study.tistory.com/403
mAP, IOU란 + Object Detection 성능 평가 지표의 이해 및 예시
객체 검출의 정확도를 평가하는 지표. 일반적으로 Object Detection에서 개별 객체(Object)에 대한 검출(Detection)이 성공하였는지를 결정하는 지표로 0~1 사이의 값을 가짐 실제 객체 위치 bounding box $B_{gt}$=gournd truth와 예측한 bounding box $B_p$=prediction 두 box가 중복되는 영역의 크기를 통해 평가하는 방식으로 겹치는 영역이 넓을 수록 잘 예측 한 것으로 평가 2.1 TP, FP, FN, TN with Confusion Matrix TP (True Postivie, 실제 양성 예측 양성) : 올바른 탐지.
https://www.waytoliah.com/1491
•
개일 확률이 가장 큰 bounding box를 truth box로 설정하고 IoU를 사용하여 경계값 이상인 bounding box를 제거 (주변의 bounding box를 제거)
•
truth box를 이용하여 IoU를 한 번 더 해서 경계값 이상인 bounding box를 제거