手撕NMS，numpy实现目标检测的常用模块NMS

目标检测领域的一个重要组件，NMS，非极大值抑制，用于在检测领域剔除同一目标的多重框标注，图示效果如下:

NMS过后

图片为网络上查找的，侵删。
首先，来了解一下NMS，NMS非极大值抑制，即一个目标有多个框的时候，我们进行筛选，选取最好的框，筛选掉那些重复标注的框。那么它是怎么筛选的呢？
首先，一个目标在检测过程中，往往会有许多的预测框出现，这些框的score不同，坐标位置也不同。NMS首先会选取分数最大的框作为基准，然后以此框为基准计算剩下的所有的框与其的IOU，IOU可以参考我的上一篇博客
https://blog.csdn.net/qq_43088746/article/details/97422361
然后关键的部分来了，我们对IOU进行筛选，若IOU大于我们所设定的阈值，则我们认为，此框与基准框检测的为同一目标，为重复检测，我们就将其抑制，若IOU低于我们设定的阈值，我们就进行下一步的循环，取出经过第一轮所筛选后的框，仍然取出剩下的框的分数最高的box，作为新的基准框，对剩下的框再次计算IOU，仍然遵循上述的IOU大于则抑制，小于等于则进入下一轮循环，直至框的数量为0.
这样说可能仍然有些难以理解。
我们举个例子会更好理解。假设我们预测人脸出现了七个框：
分数分别为[0.9，0.8，0.7，0.6，0.5，0.4，0.3]
首先我们取出分数为0.9的框，作为基准框，剩余的六个框依次与其进行IOU计算
计算的IOU假设为[0.7，0.8，0.6，0.4，0.6，0.2]
假设我们设定的IOU阈值thresh为0.5，