본문 바로가기

AI시작

6-6 Non Maximum Suppression

Object Detection 모델을 이용하여 객체를 찾아내고나면 동일한 타겟에 대한 결과가 다수 겹쳐서 나오게 됩니다.


이를 해결하기 위해서 non-maximum suppression (NMS) 알고리즘을 사용해야 합니다. 

NMS를 간단히 설명하면 먼저 IoU값으로 proposals을 모두 정렬시켜놓은뒤, RoI점수가 가장 높은 proposal과 다른 proposals에 대해서 overlapping을 비교한뒤 overlapping이 높은 것은 특정 threshold이상이면 지워버리며 이 과정을 iterate돌면서 삭제시킵니다.


직관적으로 설명하면 경계 상자가 물체일 확률을 기준으로 비교하며, 비교 대상이 주변 픽셀이 아니라 자신과 겹친 영역이 일정 값 이상인 경계 상자가 됩니다. . 객체 검출에서는 중복 발생하는 경계 상자를 제거하기 위해 비최대값 억제 알고리즘을 사용합니다. 이 경우에는 경계 상자가 물체일 확률을 기준으로 비교하며, 비교 대상이 주변 픽셀이 아니라 자신과 겹친 영역이 일정 값 이상인 경계 상자가 됩니다.

 



일반적으로 threshold의 값은 0.6~0.9 정도로 합니다.

 

참고

http://incredible.ai/deep-learning/2018/03/17/Faster-R-CNN/

https://inspace4u.github.io/dllab/lecture/2017/09/27/NMS_Algorithm.html

https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/pub?start=false&loop=false&delayms=3000&slide=id.g137784ab86_4_3507

'AI시작' 카테고리의 다른 글

사물인식을 원한다면 YOLO 는 기본  (0) 2019.09.26
6-3 Global Average Pooling  (0) 2019.09.05
6-6 Non Maximum Suppression  (0) 2019.09.05
6-5 인식모델 평가지표(IOU 등)  (0) 2019.09.05
6-4 Precision and recall  (0) 2019.09.05
6-1 Faster RCNN, YOLO, SSD 심플 차이점  (0) 2019.09.05