機械学習の基礎および深層学習の応用（画像認識、自然言語処理、生成モデル、深層強化学習等）
ある物体検出モデルが同一の物体に対して複数の重複したバウンディングボックスを信頼度スコア付きで出力した。これらの重複を解消し、信頼度が最も高いボックスのみを残すために一般的に用いられる後処理手法はどれか。
- ✓NMS（Non-Maximum Suppression）を適用し、信頼度が最も高いボックスを残して重なりの大きい他のボックスを抑制する
- BBatch Normalizationを適用し中間層の出力分布を正規化する
- CDropoutを適用し一部のユニットを無効化する
- Dデータ拡張により学習データの水増しを行う
解説
物体検出では、重複するバウンディングボックスのうちIoUが高いものを信頼度に基づいて抑制するNMSが後処理として標準的に用いられる。Batch NormalizationやDropout、データ拡張は学習時の手法であり、この後処理には該当しない。
根拠シラバス「深層学習の応用/画像認識/物体検出」