py-faster-rcnn源码解读（一）NMS (非极大值抑制）

目标：NMS一般用在目标检测中，用来减少候选框的个数

输入数据：在边框回归中，假设得到Ｎ组边框数据，每一组是由左上角和右下角坐标以及一个置信度（代表与目标框的相识度）。还有一个阀值（当边框之间的重叠度超过这个阀值时，就舍去该边框）。

算法：

1. 按照置信度递减排序
2. 此时所有数据都没有使用过，选取相识度最高的，计算该边框与其他所有边框的重叠度，如果大于阀值（代表该边框作用不大），则舍弃该边框
3. 一次循环过后，再接着选取未标注过的最大的置信度对应的边框，计算与其他边框的重叠度，和步骤２相同
4. 直到遍历完，剩下的就是输出结果

 

 

代码分析

1. 首先生成数据

import numpy as np
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 = 0.3

２源码分析

def py_cpu_nms(dets, thresh):
    """Pure Python NMS baseline."""
    x1 =