Non-maximum suppression

Подавление не-максимумов (NMS) — это алгоритм постобработки в компьютерном зрении. Нейросеть при обнаружении объекта выдаёт множество перекрывающихся ограничивающих рамок с разной уверенностью. Без обработки такой результат бесполезен. NMS оставляет одну рамку с максимальным баллом и подавляет близко расположенные конкурирующие.

Работает просто: рамки сортируются по уверенности, выбирается лучшая, затем удаляются все, кто имеет с ней большое перекрытие (обычно по метрике IoU — доле пересечения с объединением). Процесс повторяется, пока не останутся только действительно разные объекты. Это похоже на выбор ресторана: из кучи советов в одном квартале берётся заведение с лучшим рейтингом, остальные игнорируются.

Классический пример — детекция пешеходов для беспилотника. Камера видит человека, сеть генерирует сотню похожих рамок, NMS оставляет одну точную. Это критично для безопасности и скорости: меньше ложных срабатываний, меньше трат ресурсов на отслеживание.

Таким образом, NMS — скромный, но незаменимый этап, превращающий сырые предсказания в чёткие результаты. Без него системы обнаружения работали бы как шумный рынок, где каждый кандидат перебивает остальных.