Non-Maximum Suppression (NMS)

قمع القيم غير العظمى (NMS) هو خطوة المعالجة اللاحقة التي تحوّل تنبؤات الكاشف الخام والمتداخلة إلى مربع واحد لكل جسم. يُسند نموذج كثيف لكشف الأجسام درجاتٍ إلى آلاف مربعات الإحاطة المرشحة لكل صورة، وعادةً ما تطلق عدة مرشحات متجاورة تنبؤاتٍ عن الجسم نفسه بمواضع ودرجات تختلف قليلًا. يحتفظ NMS بالمربع ذي درجة الثقة الأعلى في كل مجموعة من المربعات المتداخلة، ويقمع البقية، مستعينًا بـنسبة التقاطع إلى الاتحاد (IoU) لتحديد المربعات التي يتداخل بعضها مع بعض بدرجة تكفي لاعتبارها مكررة.

آلية عمل كبت غير الأقصى#

يستبعد NMS الجشع، وهو الإصدار القياسي، أولًا المرشحات التي تقل عن حد الثقة، ثم يرتّب البقية حسب الدرجة. بعد ذلك يحتفظ بالمربع الأعلى درجة، ويحذف كل مربع متبقٍ تتجاوز قيمة IoU بينه وبينه حد IoU، ويكرر العملية مع أفضل مربع متبقٍ إلى أن تنفد المربعات. تشغّله الكواشف عادةً مرة لكل فئة، لذا لا يكبت مربع شخص مربع دراجة متداخلًا معه.

تنفّذ الدالة nms في torchvision كبت NMS الجشع لفئة واحدة، وتعيد مؤشرات المربعات التي تحتفظ بها مرتبةً حسب الدرجة.

import torch
from torchvision.ops import nms

# ⁨المربعات المرشحة بصيغة [x1, y1, x2, y2]، ولكل منها درجة ثقة واحدة⁩
boxes = torch.tensor(
    [
        [100, 100, 200, 200],  # A
        [105, 105, 195, 195],  # ⁨B: نسخة شبه مطابقة من A (IoU 0.81)⁩
        [300, 300, 400, 400],  # ⁨C: جسم منفصل⁩
    ],
    dtype=torch.float32,
)
scores = torch.tensor([0.90, 0.80, 0.95])

# ⁨اكبت أي مربع تتجاوز قيمة IoU بينه وبين مربع محتفَظ به ذي درجة أعلى 0.5⁩
keep = nms(boxes, scores, iou_threshold=0.5)
print(keep.tolist())

الناتج هو [2, 0]: يُحتفظ بالمربع C أولًا لأنه يملك أعلى درجة، ثم يُحتفظ بالمربع A لأنه لا يتداخل مع C، ويُزال المربع B لأن قيمة IoU بينه وبين A تبلغ 0.81.

ضبط العتبات#

يزيل حد الثقة المرشحات الضعيفة قبل بدء الكبت. ويحدّد حد IoU مقدار التداخل الذي يُعد تكرارًا. إذا كان الحد منخفضًا جدًا، فقد يندمج جسمان حقيقيان متقاربان، مثل الأشخاص في حشد، في اكتشاف واحد وينخفض الاستدعاء. وإذا كان مرتفعًا جدًا، تبقى المربعات المكررة وينخفض الإحكام. يتيح كبت NMS غير المقيّد بالفئة لأي مربع كبت أي مربع آخر بصرف النظر عن الفئة، ما يزيل التسميات المزدوجة عندما يمنح النموذج جسمًا واحدًا فئتين متشابهتين، مثل «سيارة» و«شاحنة».

محدوديات NMS#

• المشاهد المزدحمة: لا يستطيع حد IoU ثابت واحد التمييز بين مربع مكرر وجسم ثانٍ يتداخل فعلًا مع الأول، لذا تُكبت الأجسام المحجوبة بشدة.
• استدلال إرشادي ثابت: يُختار الحد يدويًا، ويقع خارج الشبكة المدرّبة، ولا يُتعلّم من البيانات.
• زمن الاستجابة والنشر: تعمل الحلقة الجشعة بعد الشبكة، وتزداد كلفتها مع عدد المرشحات، ما يضيف زمن تأخير للاستدلال. تنتج تنسيقات التصدير التي لا تستطيع تضمين NMS في مخطط النموذج المرشحات الخام، ويجب على التطبيق تشغيل NMS بنفسه.

متغيرات NMS والكشف الخالي من NMS#

يخفض Soft-NMS درجات المربعات المتداخلة بحسب مقدار تداخلها بدلًا من حذفها، ما يساعد على استعادة مزيد من الأجسام في الحشود. كما يأخذ DIoU-NMS في الحسبان المسافة بين مركزي المربعين، وقد اقتُرح مع خسارة Distance-IoU، لذا يقل احتمال كبت مربعين تفصل مسافة كبيرة بين مركزيهما.

تزيل الكواشف الشاملة من البداية إلى النهاية هذه الخطوة تمامًا. يُدرَّب DETR باستخدام المطابقة الهنغارية واحدًا لواحد بين التنبؤات والتسميات، فيحصل كل كائن على تنبؤ واحد بالضبط، وجلب YOLOv10 رأسًا أحادي المطابقة إلى نماذج YOLO الآنية. يدرّب YOLO26 نوعي الرأس ويطبّق NMS افتراضيًا، لأن رأسه ذي المطابقة المتعددة يحقق نتيجة أعلى قليلًا: 40.9 مقابل 40.1 من mAP_50-95 على COCO لنموذج YOLO26n. يؤدي تمرير nms=False إلى اختيار الرأس أحادي المطابقة، الذي يُخرج 300 مربع نهائي كحد أقصى لكل صورة من دون خطوة NMS، كما يوضح دليل الكشف الشامل من البداية إلى النهاية في التنبؤ والتصدير.