NMS(Non Maximum Suppression)

공식 사이트
저번에 언급한 NMS에 대해 깊게 파고들어 보겠습니다. 한국어로 번역해보면 '비최대 억제'로 가장 적합한 경계 상자(bounding box)를 찾는 것입니다.

그려지는 많은 경계 상자 중에 과연 가장 적합한 경계 상자는 무엇일까요?

가장 적합한 경계 상자를 선택하는 NMS는 가능성이 낮은 경계 상자를 '억제'하고, 가능성이 높은 경계 상자만 유지합니다.

NMS가 하는 역할

NMS는 두 가지를 고려합니다.
1. 모델이 제공하는 객관성 점수
2. 경계 상자끼리 겹쳐진 정도나 IOU

이미지에 그려지는 경계 상자는 네모난 상자 말고도 객관성 점수를 반환합니다. 객관성 점수는 경계 상자 안에 객체가 얼마나 존재하는지를 나타냅니다.

보여지는 여러 경계 상자 중에서 필요없는 다른 경계 상자를 어떻게 제거하는지 고민해야합니다.

NMS는 가장 객관성 점수가 높은 경계 상자를 선택하고, 많이 중첩된 다른 상자들을 제거합니다. 위에 이미지에서 보면, 먼저 객관성 점수가 가장 높은 녹색 상자를 남기고, 노란색과 빨간색을 제거합니다.

NMS 과정

NMS를 사용해 가장 객관성 점수가 높은 경계 상자만 남기는 과정입니다.
1. 가장 객관성 점수가 높은 상자를 선택하고
2. 다른 상자와의 교집합을 비교해서
3. (교집합 / 합집합)의 비율이 정해진 임계값을 넘는 상자를 제거합니다.
4. 3번 과정을 마치면 다음으로 가장 객관성 점수가 높은 상자로 이동해 1~3번 과정을 반복합니다.