NMS(非极大值抑制)

NMS: non maximum suppression
翻译为“非极大值抑制”，为什么不翻译成最大值抑制呢？maximum可以翻译为“最大值”，也可以翻译成“极大值”，所以翻译成极大值或者最大值一定要看这个值的含义。极大值和最大值的区别就是，极大值时局部最大值。
NMS的作用：去掉detection任务重复的检测框。
用普通话翻译一下非极大值抑制：不是局部的最大值的那些值都滚蛋
用图片来理解一下：

图片引自：https://blog.csdn.net/shuzfan/article/details/52711706#commentsedit

基于前面的网络(如RPN)能为每个框给出一个score，score越大证明框越接近期待值。如上图，两个目标分别有多个选择框，现在要去掉多余的选择框。分别在局部选出最大框，然后去掉和这个框IOU＞0.7的框。
非极大值抑制嘛，就是只留下极大值的意思。只留下极大值之后，就是下面的样子了：

嗯，这个算法就是这么简单。

下面时Fast R-CNN关于NMS的源代码(python版)，Faster R-CNN也是用的这段代码。

# --------------------------------------------------------
# Fast R-CNN
# Copyright (c) 2015 Microsoft
# Licensed under The MIT License [see LICENSE for details]
# Written by Ross Girshick
# --------------------------------------------------------

import numpy as np

def py_cpu_nms(dets, thresh):
    """Pure Python NMS baseline."""
    x1 = dets[:, 0]
    y1 = dets[:, 1]
    x2 = dets[:, 2]
    y2 = dets[:, 3]
    scores = dets[:, 4]

    areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    order = scores.argsort()[::-1]

    keep = []
    while order.size > 0:
        i = order[0]
        keep.append(i)
        xx1 = np.maximum(x1[i], x1[order[1:]])
        yy1 = np.maximum(y1[i], y1[order[1:]])
        xx2 = np.minimum(x2[i], x2[order[1:]])
        yy2 = np.minimum(y2[i], y2[order[1:]])

        w = np.maximum(0.0, xx2 - xx1 + 1)
        h = np.maximum(0.0, yy2 - yy1 + 1)
        inter = w * h
        ovr = inter / (areas[i] + areas[order[1:]] - inter)

        inds = np.where(ovr <= thresh)[0]
        order = order[inds + 1]

    return keep