YOLOV5代码精读之非极大值抑制（NMS）

NMS（Non-Maximum Suppression，非极大值抑制）算法是一种在特征提取和深度学习目标检测算法中广泛应用的技术。以下是对NMS算法原理、主要贡献、优缺点、实现以及应用场景的详细解析：

一、NMS算法原理

NMS算法的核心理念在于通过筛选局部极大值来找到最优解，从而提高算法的准确性和效率。具体来说，NMS算法会遍历所有的检测框或特征点，比较每个元素与其邻域内的其他元素，如果某个元素是其邻域内的局部极大值，则保留该元素，否则将其抑制（如置为0或删除）。在目标检测中，NMS算法常用于处理多个预测框之间的重叠问题，通过计算预测框之间的交并比（IoU）来判断是否属于同一个目标，并保留置信度最高的预测框，抑制重叠度高的其他预测框。

先了解IOU原理及实现

交并比（IoU， Intersection over Union）是一种计算不同图像相互重叠比例的算法，经常被用于深度学习领域的目标检测或语义分割任务中。

在我们得到模型输出的预测框位置后，也可以计算输出框与真实框（Ground Truth Bound）之间的 IoU，此时，这个框的取值范围为 0～1，0 表示两个框不相交，1