NMS(Non-Maximum Supression)

참고 자료

[1] https://ballentain.tistory.com/12

[2] https://study-grow.tistory.com/27

[3] https://dyndy.tistory.com/275

[4] https://towardsdatascience.com/non-maximum-suppression-nms-93ce178e177c

---

Non-Maximum suppression는 영상처리 분야에서 엣지(edge)를 얇게 만들어주는 것을 말한다. 중심 픽셀을 기준으로 8방향의 픽셀 값들을 비교하여 중심픽셀이 가장 클 경우 그대로 두고 아닐 경우 제거해 주는 과정입니다. 쉽게 말해서, 영상안의 edge가 뭉개져 있을때 더욱 선명한 선을 찾기 위해 수행하는 과정이다. 

이와 비슷하게 딥러닝의 객체 탐지 분야에서는 픽셀단위가 아닌 경계 상자(Bounding Box)에 대해서 적용하는 것이다.

NMS를 하려는 이유는 경계 상자 후보군을 축소하여 연산량을 줄이고, mAP도 올리기 위함이다. 

NMS를 수행하기 전의 예측된 경계 상자는 하나의 클래스(객체)에 대하여 여러개의 후보군이 존재한다. 이러한 후보군을 줄이기 위해서, 

1. 동일한 객체에 대하여 IOU(Intersection Of Union)가 높은 순서대로 정렬한다.

2. score가 가장 높은 경계상자를 기준으로 Threshold(0.5)를 설정하여 후보군을 줄인다.