Что такое class-aware vs class-agnostic NMS?

NMS (Non-Maximum Suppression) — это алгоритм, используемый в задачах детекции объектов для удаления избыточных перекрывающихся предсказаний.

Class-aware NMS выполняет подавление перекрывающихся боксов отдельно для каждого класса. То есть, если у вас есть предсказания для разных классов, NMS применяется внутри каждого класса отдельно, и боксы разных классов не влияют друг на друга.

Class-agnostic NMS игнорирует классы и применяет подавление перекрытий ко всем предсказаниям вместе, независимо от класса. Это может привести к удалению боксов разных классов, если они сильно перекрываются.

Пример:

• Class-aware: для "собак" и "кошек" NMS применяется отдельно, поэтому перекрывающиеся боксы собак не удалят боксы кошек.
• Class-agnostic: если боксы собак и кошек перекрываются сильно, может быть удалён один из них.

Выбор зависит от задачи и качества модели. Class-aware NMS обычно предпочтительнее, чтобы не удалять объекты разных классов, но class-agnostic может использоваться для упрощения или при определённых требованиях.