NMS代码详解

dets = np.array([
                [204, 102, 358, 250, 0.5],
                [257, 118, 380, 250, 0.7],
                [280, 135, 400, 250, 0.6],
                [255, 118, 360, 235, 0.7]])
thresh = 0.7
#输入两个数据，一个是dets，为N×5的矩阵，分别代表bb左上坐标(x1,y1),右下坐标(x2,y2),及置信的;第二个是阈值。
def py_cpu_nms(dets, thresh):
    """Pure Python NMS baseline."""
    x1 = dets[:, 0]#取出det中的X1
    y1 = dets[:, 1]
    x2 = dets[:, 2]
    y2 = dets[:, 3]
    scores = dets[:, 4]

    areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    order = scores.argsort()[::-1]  # 按置信度的大小降序排列

    keep = []  # 需要保留的bounding box
    while order.size > 0:
        i = order[0]  # 取置信度最大的框 NMS的原则是det中，取最大的置信度最大的一个先保留。剩下的分别计算与最大置信度框的交并比，若交并比大于阈值，则判定该框与最大置信度框的目标为同一目标，删去该框。之后选择置信度第二高的框，再执行上面的过程。
        keep.append(i)  # 将其作为保留的框

        
        xx1 = np.maximum(x1[i], x1[order[1:]])  # 计算xmin的max,即overlap的xmin 将置信度最大的框与其他框的坐标相比，若最大框的坐标在右，则用其坐标替换，目的是求出两框的交集。
        yy1 = np.maximum(y1[i], y1[order[1:]])  # 计算ymin的max,即overlap的ymin
        xx2 = np.minimum(x2[i], x2[order[1:]])  # 计算xmax的min,即overlap的xmax
        yy2 = np.minimum(y2[i], y2[order[1:]])  # 计算ymax的min,即overlap的ymax

        w = np.maximum(0.0, xx2 - xx1 + 1)  # 计算overlap的width
        h = np.maximum(0.0, yy2 - yy1 + 1)  # 计算overlap的hight
        inter = w * h  # 计算overlap的面积
        ovr = inter / (areas[i] + areas[order[1:]] - inter)  # 计算并，-inter是因为交集部分加了两次。

        inds = np.where(ovr <= thresh)[0]  # 若ovr中的数没超过阈值，则保存ovr中该数的下标至inds
        order = order[inds + 1]  # 删除IOU大于阈值的框

    return keep
index = py_cpu_nms(dets, thresh)
print(index)
print(dets[index])