32. Non-max Suppression

2023. 9. 17. 15:47Google ML Bootcamp/4. Convolutional Neural Networks

왜? 19x19 크기의 YOLO를 수행했을 때 많은 격자에서 동일한 물체에 대해 P(c) = 1 라고 말할 수 있다.

 

이때 동일한 물체에 대해 P(c) = 1 인 여러 격자 중 P(c) 의 probability를 관찰하여 가장 큰 값을 기준으로 bounding box를 설정.

- 이게 non-max suppression. (max만 출력하고 non-max 값들은 suppression 억제 할 것을 의미.)

 

 

앞서 예제와 달리 c1,c2,c3 없이 car 에 대해서만 Localization을 수행한다고 가정.

1. 모든 격자에 대해 P(c) >= 0.6 만 남기고 제거

2. 남은 격자들 중 가장 큰 P(c)에 대해 output1으로 설정.

3. 이후 남은 격자들 중에 IOU를 계산하여 0.5이하 제거

4. 이후 남은 격자들 중에서 가장 큰 P(c)에 대해 output2으로 설정

5. 3-4단계 계속 반복

 

따라서 한 image에 car가 여러개더라도 반복문을 통해 여러 차의 bounding box를 구할 수 있다.

'Google ML Bootcamp > 4. Convolutional Neural Networks' 카테고리의 다른 글

34. YOLO Algorithm  (0) 2023.09.17
33. Anchor Boxes  (0) 2023.09.17
31. Intersection Over Union  (0) 2023.09.17
30. Bounding Box Predictions  (0) 2023.09.17
29. Convolutional Implementation of Sliding Windows  (0) 2023.09.17