Non-Maximum Suppression (NMS)

La soppressione dei non massimi (NMS) è la fase di post-elaborazione che trasforma le previsioni grezze e sovrapposte di un rilevatore in un unico riquadro per oggetto. Un modello denso di rilevamento degli oggetti assegna un punteggio a migliaia di riquadri di delimitazione candidati per immagine; in genere, diversi candidati vicini vengono attivati sullo stesso oggetto, con posizioni e punteggi leggermente diversi. NMS mantiene il riquadro con la confidenza più alta in ogni gruppo di riquadri sovrapposti e sopprime gli altri, usando l'intersezione sull'unione (IoU) per determinare quali riquadri si sovrappongono abbastanza da essere considerati duplicati.

Come funziona la soppressione dei massimi non locali#

La NMS greedy, la versione standard, elimina prima i candidati al di sotto di una soglia di confidenza e ordina quelli rimasti in base al punteggio. Quindi mantiene il riquadro con il punteggio più alto, rimuove tutti i riquadri rimanenti la cui IoU con esso supera la soglia IoU e ripete l'operazione con il miglior riquadro rimasto, finché non ne restano altri. I rilevatori la eseguono normalmente una volta per classe, perciò un riquadro di una persona non sopprime mai un riquadro sovrapposto di una bicicletta.

La funzione nms di torchvision implementa la NMS greedy per una classe e restituisce gli indici dei riquadri mantenuti, ordinati per punteggio.

import torch
from torchvision.ops import nms

# Riquadri candidati come [x1, y1, x2, y2], ciascuno con un punteggio di confidenza
boxes = torch.tensor(
    [
        [100, 100, 200, 200],  # A
        [105, 105, 195, 195],  # B: quasi duplicato di A (IoU 0.81)
        [300, 300, 400, 400],  # C: un oggetto distinto
    ],
    dtype=torch.float32,
)
scores = torch.tensor([0.90, 0.80, 0.95])

# Sopprime qualsiasi riquadro la cui IoU con un riquadro mantenuto con punteggio più alto supera 0.5
keep = nms(boxes, scores, iou_threshold=0.5)
print(keep.tolist())

L'output è [2, 0]: il riquadro C viene mantenuto per primo perché ha il punteggio più alto, il riquadro A viene mantenuto perché non si sovrappone a C e il riquadro B viene rimosso perché la sua IoU con A è 0.81.

Regolazione delle soglie#

La soglia di confidenza rimuove i candidati deboli prima che inizi la soppressione. La soglia IoU stabilisce quanta sovrapposizione è considerata un duplicato. Se è troppo bassa, due oggetti reali vicini, come le persone in una folla, vengono uniti in un solo rilevamento e il richiamo diminuisce. Se è troppo alta, i riquadri duplicati vengono mantenuti e la precisione diminuisce. La NMS indipendente dalla classe consente a qualsiasi riquadro di sopprimerne un altro, indipendentemente dalla classe; ciò elimina le etichette duplicate quando il modello assegna a un oggetto due classi simili, come «auto» e «camion».

Limiti della NMS#

• Scene affollate: un'unica soglia IoU fissa non può distinguere un riquadro duplicato da un secondo oggetto che si sovrappone davvero al primo; di conseguenza, gli oggetti fortemente occlusi vengono soppressi.
• Euristica fissa: la soglia viene scelta manualmente, è esterna alla rete addestrata e non viene appresa dai dati.
• Latenza e distribuzione: il ciclo greedy viene eseguito dopo la rete e il suo costo cresce con il numero di candidati, aumentando la latenza di inferenza. I formati di esportazione che non possono incorporare NMS nel grafo del modello producono candidati grezzi; l'applicazione deve quindi eseguire NMS autonomamente.

Varianti della NMS e rilevamento senza NMS#

Soft-NMS riduce i punteggi dei riquadri sovrapposti in funzione della sovrapposizione, invece di eliminarli, consentendo di recuperare più oggetti nelle folle. DIoU-NMS, proposto insieme alla loss Distance-IoU, considera anche la distanza tra i centri dei riquadri; di conseguenza, è meno probabile che vengano soppressi due riquadri con i centri distanti tra loro.

I rilevatori end-to-end eliminano del tutto questo passaggio. DETR viene addestrato con un abbinamento univoco ungherese tra previsioni ed etichette, così ogni oggetto riceve esattamente una previsione, e YOLOv10 ha introdotto una head one-to-one nei modelli YOLO in tempo reale. YOLO26 addestra entrambi i tipi di head e applica NMS per impostazione predefinita, perché la head one-to-many ottiene un punteggio leggermente più alto: 40.9 contro 40.1 mAP_50-95 su COCO per YOLO26n. Passando nms=False si seleziona la head one-to-one, che restituisce al massimo 300 riquadri finali per immagine senza un passaggio NMS, come mostra la guida al rilevamento end-to-end per la predizione e l'esportazione.