【论文笔记】人脸检测窗口选择办法 NMS convnet

文章地址：
A CONVNET FOR NON-MAXIMUM SUPPRESSION (2016 ICLR Under Review)

##A brief introduction of NMS for object detection
NMS，即Non-maximum suppression，非极大值抑制，在object dection中应用非常广泛，简单地说，他就是对一些region proposals（物体的候选框）进行筛选，得到最佳的物体检测位置。

如上图所示，在做人脸检测时我们可能会得到多个人脸的候选框，但是其实这些框完全可以进行“合并”，得到一个人脸的框框。这个“合并”的策略就是NMS。NMS主要有两个指标来进行合并：
1.score：对于每一个proposal，分类器会给出一个score来表示当前候选框的置信度，尽量保留置信度较高的候选框
2.IoU（Intersection-over Union）：重叠面积，位置邻近的候选框重叠面积大于一定阈值的话则进行合并

所以NMS的实现是：

1. NMS计算出每一个bounding box的面积，然后根据score进行排序。
2. 计算其余bounding box与当前最大score的box的IoU，去除IoU大于设定的阈值的bounding box。
3. 重复上面的过程，