Qu'est-ce que le NMS conscient de la classe vs le NMS indifférent à la classe?

NMS (Suppression Non-Maximum) est un algorithme utilisé dans les tâches de détection d’objets pour supprimer les prédictions redondantes et superposées.

NMS sensible à la classe effectue la suppression des boîtes superposées séparément pour chaque classe. C’est-à-dire que si vous avez des prédictions pour différentes classes, NMS s’applique à l’intérieur de chaque classe séparément, et les boîtes de différentes classes n’affectent pas les autres.

NMS non sensible à la classe ignore les classes et applique la suppression des superpositions à toutes les prédictions ensemble, indépendamment de la classe. Cela peut conduire à la suppression de boîtes de différentes classes si elles se superposent fortement.

Exemple:

• Sensible à la classe : pour "chiens" et "chats", NMS est appliqué séparément, donc les boîtes superposées de chiens ne supprimeront pas celles de chats.
• Non sensible à la classe : si les boîtes de chiens et de chats se superposent fortement, l’une d’elles peut être supprimée.

Le choix dépend de la tâche et de la qualité du modèle. NMS sensible à la classe est généralement préféré pour ne pas supprimer d’objets de différentes classes, mais la version non sensible peut être utilisée pour simplifier ou dans certains cas spécifiques.