記錄一下對非極大值抑制的了解。
非極大值抑制法
顧名思義，是在抑制不是極大值的元素，即搜尋一個局部最大值。
在目标檢測中應用比較廣泛。對一個目标而言，算法對該目标肯産生多個候選框，每個框對應一個score,将這些score全部排序，選出得分最大的一個，再用其他框與目前最大的框計算其重疊程度，就是常說的iou,當大于某個門檻值，比如0.5時，将這些大于門檻值0.5的框删除，隻保留score最大的一個框,是以就是抑制了不是極大值的框，即非極大值抑制。。
單個目标和多目标
若隻有一個目标，直接選取得分最大的框即可，若有多個目标，NMS算法會疊代的進行選擇，保留每個目标的得分最大框。
假設圖中有兩個人臉待檢測，首先對現有的框按score的大小進行排序，選出得分最大的一個框，通過計算iou，将大于某個門檻值的幾個非極大值的框删除，并标記第一個框，是最終保留下來的；然後在剩下的框中，繼續按照之前的方法，選出score最大的框，計算iou,将大于某個門檻值的框删除。這樣不斷疊代，就可以對多目标進行檢測。
假設有6個得分框，分别按從score從小到大記A,B,C,D,E,F,
(1)選出目前最大的得分框F，計算剩下的框與F的iou，選出大于某個門檻值的框，如A,B，然後将A,B删除，标記現在所選擇的框F
(2)在剩下的框中C,D,E中，選出score最大的框E，計算C,D與E之間的iou,将大于某個門檻值的框删除，标記現在選擇的框E
(3)不斷重複該過程，就可以得到所需要的框
如圖，共有如下5個得分框，有兩個人臉待檢測，按score大小從小到大排序，為0.67，0.75，0.81，0.83，0.98!
首先選出score最大的框，即得分為0.98的紅框，計算剩餘框與它的iou，将大于某門檻值的框删除，在圖中可以看出，删除的框是得分為0.75和0.83的框。标記0.98的得分框。
在剩餘的兩個框中，繼續按照之前的方法進行操作，即可得出另一個所需要的框。
小白了解，如有錯誤請指正。
參考https://blog.csdn.net/shuzfan/article/details/52711706