מה זה בעצם NMS - ולמה YOLO לא יכול לעבוד בלעדיו?

כאשר YOLO סורק תמונה, הוא אינו חוזה רק תיבה אחת לכל אובייקט. הוא מפיק הרבה מאוד הצעות - לעיתים עשרות ואף מאות תיבות אפשריות - גם אם בתמונה נמצא אובייקט יחיד.

זה קורה משום שהמודל בודק אזורים שונים בתמונה, וכל אזור עשוי “לחשוב” שהוא מצא את אותו אובייקט. התוצאה הראשונית של YOLO מלאה בתיבות חופפות.

כדי לסדר את התוצאה ולקבל תיבה אחת נקייה לכל אובייקט, נדרש שלב חשוב: NMS - Non-Maximum Suppression.

למה בכלל צריך NMS?

נניח שבתמונה מופיע אדם אחד. YOLO עשוי להציע:

• תיבה אחת קטנה מדי
• תיבה אחת גדולה מדי
• תיבה מעט ימינה
• תיבה מעט שמאלה
• ועוד רבות שחופפות זו את זו

כולן מנסות לייצג את אותו אדם, אך המודל עוד לא בחר את התיבה המדויקת ביותר.

NMS הוא זה שמבצע את הבחירה.

מה NMS עושה?

NMS מקבל את כל התיבות שהמודל הציע, ומסנן אותן באופן מדורג כך שיישארו רק התיבות האיכותיות ביותר.

התהליך פשוט:

1. בוחרים את התיבה בעלת הציון הגבוה ביותר.
2. מוחקים כל תיבה אחרת שחופפת איתה יותר מדי.
3. עוברים לתיבה בעלת הציון הגבוה הבא מבין אלו שנותרו.
4. ממשיכים כך עד סיום הרשימה.

כך הפלט הופך מרשימת תיבות עמוסה ומבולגנת - לרשימה קצרה וברורה של אובייקטים.

מה פירוש “הציון הגבוה ביותר”?

לכל תיבה ש-YOLO מייצר מצורף ציון ביטחון - מספר בין 0 ל-1 שמתאר כמה המודל בטוח שהתיבה הזו באמת מכילה אובייקט.

לדוגמה:

• 0.92 → המודל כמעט בטוח שהתיבה נכונה
• 0.67 → ייתכן שיש כאן אובייקט, אך פחות בטוח
• 0.18 → כנראה לא אובייקט בכלל

כאשר כמה תיבות מייצגות את אותו אזור, NMS שומר את התיבה שהמודל הכי מאמין בה, ומסיר את כל שאר התיבות החופפות אליה.

כך השלב הופך את החיזוי הגולמי - לתוצאה ברורה ונקייה.

משל

דמיינו שאתם עורכים אלבום תמונות, וקיבלתם מאה תמונות כמעט זהות מאותו הרגע.

כדי לבחור את התמונה שתיכנס לאלבום:

1. אתם לוקחים את התמונה החדה והברורה ביותר.
2. מוחקים את כל הגרסאות הדומות אך הפחות טובות.
3. עוברים לרגע הבא.

בסוף נשארות רק תמונות מצוינות - אחת לכל מצב.

כך בדיוק עובד NMS: שומר רק את “הטובה ביותר”, ומסלק את כל הכפילות.

סיום

YOLO מעניק מבט רחב ומהיר על כל התמונה, אבל NMS הוא זה שמסדר את המבט הזה ונותן לו צורה.

זהו השלב שהופך עומס של תיבות - לזיהוי מדויק ונקי.