非极大值抑制

非极大值抑制（Non-maximum suppression，NMS）的意思就是抑制不是极大值的元素。非极大值抑制可以用在很多的方面， 今天讨论一下它在目标框（Bounding Box）上的应用。

我们在做目标识别的时候，有两个主要要实现的目标。一是目标的识别，即识别物体是什么， 是猫或者是狗之类的物体。二是识别目标的位置，我们需要将识别到的物体用框框起来。非极大值抑制可以应用在目标的边框选取上。

滑窗法作为最经典的物体检测方法， 它的原理是创建一个滑窗，在待检测的图片上进行平移检测，通过训练的分类器进行判别评分。但是待检测物体的大小，长宽比例都是不确定的。这样一来，一个区域附近就会出现多个边框，但是我们对于一个物体只需要一个框就足够了，对于这种情况来说， 我们可以使用非极大值抑制这种方法来解决这个问题。

举个例子，如上图（网上图片）所示，我们通过某种物体检测方法得到了脸部的边框，红色的边框都判别为脸部（判别分数达到标准），我们最终的结果只需要一个边框。

我们的做法如下： 

1）找出判别得分最高的边框M

2）计算其他边框（都是脸部目标的识别边框）与M的IOU，IOU就是重叠面积。设定阈值，将IOU重叠面积过大（达到阈值）的边框删除，IOU过小则代表着该边框不是该部分的。

3）返回第一步，找出其他位置的边框。

这样一来，我们就会找到唯一的边框。 对于3）你可能会有一些疑问，我都找到唯一的边框M，为什么还要继续寻找。这个是因为， 一张图片中的目标物体不只有一个，可能有多个。3）就是为了寻找这些目标物体的边框。