非最大抑制とは

非最大抑制は、物体検出アルゴリズムにおいて、一つの物体に対して複数生成された検出ボックスの中から、最も確信度が高いボックスだけを残し、重複する他のボックスを抑制する後処理技術のことです。

非最大抑制の概要と目的

非最大抑制（Non-Maximum Suppression: NMS）は、コンピュータビジョンの分野で、画像内の物体を検出する際に不可欠なプロセスです。物体検出アルゴリズム（例: YOLO、R-CNNなど）は、画像中のどこに物体があるかを予測するために、多数の候補ボックス（バウンディングボックス）を生成します。このとき、一つの物体に対して、位置やサイズがわずかに異なる複数のボックスが生成されることが一般的です。

NMSの主な目的は、これらの重複するボックスを整理し、一つの物体に対して一つの最適な検出結果だけを残すことです。これにより、検出結果がより見やすく、そして正確なものになります。

非最大抑制のアルゴリズム

NMSは、通常、以下の手順で動作します。

1. 確信度の降順ソート:
   • まず、生成されたすべての検出ボックスを、そのボックスが物体を検出していると判断した確信度（Confidence Score）が高い順に並べ替えます。
2. 最も高い確信度のボックスを選択:
   • リストの先頭にある、最も確信度が高いボックスを「最終的な検出結果」としてリストに追加します。
3. 重複ボックスの抑制:
   • 最終的な検出結果として選ばれたボックスと、残りのすべてのボックスとの間で、重複率を計算します。
   • この重複率は、IoU（Intersection over Union）という指標で測られることが一般的です。IoUは、2つのボックスの重なっている部分の面積を、2つのボックスを合わせた部分の面積で割った値です。
   • あらかじめ設定されたIoUの閾値（threshold）を超えたボックスは、「同じ物体を検出している」と見なされ、リストから削除されます。
4. プロセスの繰り返し:
   • 残りのボックスの中から、再び最も確信度が高いボックスを「最終的な検出結果」として選び、ステップ3を繰り返します。
   • このプロセスは、残りのボックスがなくなるまで続きます。

このアルゴリズムにより、最終的な検出結果のリストには、各物体に対して最も確信度が高く、重複のないボックスだけが残ります。

非最大抑制の重要性

NMSは、単に検出結果をきれいに見せるだけでなく、物体検出モデルの性能を評価する上でも非常に重要です。

• 精度向上:
  • 似たような複数のボックスを一つに絞ることで、検出結果の精度と信頼性を高めます。
• 評価の明確化:
  • 物体検出モデルの評価指標（例: mAP）を計算する際、NMSによって重複したボックスを排除することで、モデルの真の性能を客観的に評価できます。
• 効率化:
  • 過剰な検出ボックスを削除することで、後続の処理（例: 物体追跡）の計算量を削減できます。

非最大抑制は、物体検出モデルのパイプラインにおいて、予測結果を実用的な形に整形する、不可欠な後処理技術です。

関連用語

お問い合わせ

システム開発・アプリ開発に関するご相談がございましたら、APPSWINGBYまでお気軽にご連絡ください。