Efficient Non Maximum Suppression 笔记（不完整版）

         目前只记录了非极大值的基本方法。

         非极大值抑制（Non-Maximum Suppression，NMS），可以被理解为局部最大搜索，即领域范围内的最大值。给定一个n，1D邻域包括一个点的左侧和右侧的n个点，2D邻域为以当前点为中心的(2n+1)×(2n+1)区域。NMS在计算机视觉领域有着非常重要的应用，如跟踪、数据挖掘、3D重建、目标识别等。

        1-D NMS

         大部分的文章都会以3邻域来做一个比较简单易懂的说明：

       i ← 1;
       while i+1 < W do 
              if I[i] > I[i+1] then
                  if I[i] >= I[i - 1] then
                     MaximumAt(i);
              else
                  i ← i+1;
                  while i+1 < W AND I[i] <= I[i + 1] do
                        i ← i+1;
                  if i+1 < W then
                       MaximumAt(i);
               i ← i + 2;

          步骤说明：

1、如果一个点比其左右两侧点的值都大，即得到局部最大值，3 - 5行。

2、在处理过程中，如果未得到局部最大值，可以知道i + 1 点比左侧的i点小，那么在下一次处理时，i = i + 2，11行。

1-D n邻域，我以为可以这样写：

 
       i ← n;
       while i+n < W do 
              mi = i;
              forall j ∈ [i+1,i+n] && i+n < W do
                  if I[mi] < I[j]
                     mi = j;
              if mi != i
                 i = mi;
                 continue;
              forall j ∈ [i-n,i-1]  do 
                                     if   I[i] <= I[j] then
                       break;
              if j == i
                 MaximumAt(i);
              i = i + 2n;

论文上却比这样更复杂，应该是加快计算速度吧，看不太懂，记下细看：

        2-D NMS

         2-D的思路与1-D有些不同，伪代码如下：

        对于一点，先找点i右下方区域(n+1)×(n+1))最大的点m，然后判断m左上方、上方、左侧的(n+1)×(n+1)是否比m值小，如果是，则认为找到局部最大值。与我想像的有些不同。