nms算法yolo

以下是格式化后的代码，增加了可读性并修复了一些小错误：

```cpp
void nms_boxes(std::vector<cv::Rect2f> &boxes,
              std::vector<float> &confidences,
              float confThreshold,
              float nmsThreshold,
              std::vector<int> &indices) {
    struct BBOX {
        cv::Rect2f box;
        float confidence;
        int index;
    };

    std::vector<BBOX> bboxes;
    int i, j;

    // 转换 boxes 和 confidences 到 BBOX 格式
    for (i = 0; i < boxes.size(); i++) {
        BBOX bbox;
        bbox.box = boxes[i];
        bbox.confidence = confidences[i];
        bbox.index = i;
        bboxes.push_back(bbox);
    }

    // 根据置信度进行排序
    std::sort(bboxes.begin(), bboxes.end(), [](const BBOX &a, const BBOX &b) {
        return a.confidence > b.confidence;
    });

    int updated_size = bboxes.size();
    for (i = 0; i < updated_size; i++) {
        if (bboxes[i].confidence < confThreshold)
            continue;

        indices.push_back(bboxes[i].index);

        for (j = i + 1; j < updated_size;) {
            float iou = get_iou_value(bboxes[i].box, bboxes[j].box);
            if (iou > nmsThreshold) {
                bboxes.erase(bboxes.begin() + j);
                updated_size--;
                // 不需要 j--，因为 j 已经在正确的位置上
            } else {
                j++; // 仅当没有删除元素时才增加 j
            }
        }
    }
}
```

### 代码解释：

1. **结构体定义**：定义了一个 `BBOX` 结构体来存储边界框、置信度和索引。

2. **转换和存储**：遍历输入的 `boxes` 和 `confidences`，将它们转换为 `BBOX` 结构体并存储到 `bboxes` 向量中。

3. **排序**：使用 `std::sort` 和自定义比较函数按置信度降序排序 `bboxes`。

4. **非极大值抑制（NMS）**：遍历排序后的 `bboxes`，应用置信度阈值过滤，然后对剩余的边界框执行NMS。如果两个边界框的交并比（IoU）大于阈值，则删除后者。

5. **索引存储**：将保留的边界框的索引添加到 `indices` 向量中。

6. **删除操作**：在NMS过程中，如果需要删除元素，使用 `erase` 从 `bboxes` 中删除元素，并更新 `updated_size`。

请注意，`get_iou_value` 函数需要你自行实现，它应该计算两个边界框之间的IoU值。此外，确保 `cv::Rect2f` 是正确处理的，如果 `Rect_f` 是自定义类型，需要替换为 `cv::Rect2f` 或相应的类型。