Remova detecções duplicadas com supressão não máxima
Mantenha uma caixa por objeto, suprimindo as caixas mais fracas que se sobrepõem a uma caixa mais forte.
- Explique por que os detectores produzem caixas duplicadas
- Execute a supressão não máxima passo a passo
- Escolha o limiar de sobreposição
Os detectores verificam muitas posições candidatas, portanto, um objeto geralmente desencadeia um conjunto de caixas sobrepostas, cada uma com uma pontuação de confiança. Supressão não máxima (NMS) limpa isso: mantenha a caixa mais confiante, exclua as caixas que se sobrepõem demais (elas provavelmente são o mesmo objeto) e repita com a próxima caixa mais confiante ainda de pé.
Experimente
Até 15 XPPasse pelo NMS
Dois gatos sentados juntos, cinco caixas. Percorra o algoritmo e leia por que cada caixa é mantida ou suprimida.
- Quantos objetos ele encontra no limiar 0,5?
- Deslize o limiar para cima para 0,9: o que deu errado?
- Deslize para baixo para 0,1: o que deu errado agora?
- Caixa 1 pontuação 0,92próxima
- Caixa 4 pontuação 0,88aguardando
- Caixa 2 pontuação 0,81aguardando
- Caixa 3 pontuação 0,67aguardando
- Caixa 5 pontuação 0,55aguardando
Detectores costumam disparar várias vezes no mesmo objeto. Clique em “Próximo passo” para processar as caixas da maior pontuação para a menor.
O limiar de sobreposição é uma compensação. Muito alto e as duplicatas sobrevivem (um gato contou três vezes). Objetos muito baixos e genuinamente diferentes que se sobrepõem - duas pessoas em uma multidão - se fundem em um só. 0,5 é um padrão comum.
Principais conclusões
Algoritmo guloso: mantenha a caixa de maior pontuação, descarte duplicatas cuja IoU ultrapassa o limiar e repita.
Loop ganancioso: mantenha a pontuação mais alta, coloque as caixas sobrepostas acima do limiar e repita.
Um limiar muito alto mantém duplicatas; muito baixo mescla vizinhos.
Quiz da aula
6 perguntas · aprovação com 5 acertos · até 50 XP
Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.
Pratique: aplique visão computacional com Python
Use pequenas matrizes de pixels para explorar conceitos de visão, execute seu código com imagens de exemplo e relacione cada resultado à ideia maior de visão computacional.
Implementar NMS
A primeira linha contém N. As próximas N linhas contêm caixas no formato score x1 y1 x2 y2. A última linha contém o limiar de sobreposição.
Execute a supressão não máxima: percorra as caixas da maior para a menor pontuação e descarte cada caixa cuja IoU com uma caixa já mantida seja maior que o limiar. Imprima os números das caixas mantidas (começando em 1, na ordem de entrada), na ordem em que foram selecionadas, separados por espaços.
- Dois objetos, uma duplicata
- Melhor caixa listada por último
- Limiar generoso mantém ambos
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Dúvidas sobre esta lição
Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.
Carregando publicações…