一篇文章搞懂非极大值抑制（non-maximum suppression，NMS）

https://zhuanlan.zhihu.com/p/64423753
https://blog.csdn.net/xiexu911/article/details/80609298?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.add_param_isCf&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.add_param_isCf

在网上看到许多关于非极大值抑制的讲解，大部分都是如下的说法：

先对每个框的score进行排序，首先选择第一个，也就是score最高的框，它一定是我们要保留的框。然后拿它和剩下的框进行比较，如果IOU大于一定阈值，说明两者重合度高，应该去掉，这样筛选出的框就是和第一个框重合度低的框，第一次迭代结束。第二次从保留的框中选出score第一的框，重复上述过程直到没有框保留了。

但是说实话，只看这段话有点难以理解整个的原理，下面通过一个例子来说明原理会更加直观：
（1）对图片中框的score进行排序：0.98>0.83>0.81>0.75>0.67，首先选择score最高的框0.98，保留它。

（2）保留的框为红色框，然后拿它和剩下的框进行比较，如果IOU大于一定阈值，说明两者重合度高，应该去掉，可以发现score为0.83和0.75的框和红色框的重合度很高，所以去掉，剩下保留框的就是score为0.81和0.67的框，然后再从中选出分数最高的框0.81，发现0.67的框和它重合度很高，所以去掉。
（3）最后剩下的框就是0.98,0.81，非极大值抑制过程结束。