非极大值抑制的清晰讲解！！！

假设你需要在这张图片里检测行人和汽车，你可能会在上面放个19×19网格，理论上这辆车只有一个中点（黄色格子），所以它应该只被分配到一个格子里，所以理论上应该只有一个格子做出有车的预测。实践中当你运行对象分类和定位算法时，对于每个格子都运行一次，所以这些红色格子可能会认为这辆车中点应该在格子内部。

我们分步介绍一下非极大抑制是怎么起效的。因为你要在361个格子上都运行一次图像检测和定位算法，那么可能很多格子都会举手说我的Pc、我这个格子里有车的概率很高，而不是361个格子中仅有两个格子会报告它们检测出一个对象。所以当你运行算法的时候，最后可能会对同一个对象做出多次检测，所以非极大值抑制做的就是清理这些检测结果。这样一辆车只检测一次，而不是每辆车都触发多次检测。

非极大值抑制的具体操作：我们取Pc值最大的框max bounding box，其他框和这个框做交并比，删除iou>=0.5（参数可以自己设置）的框。

下面是具体算法流程：

yolov1论文中，confidence（置信度）就是采用了非极大值抑制的思想。

参考：【4.13 非极大值抑制】