检测算法后处理流程

post process,以retinaface为例：

三个输出：（loc： bbox，cls： scores，pre： landmask）

min_sizes = { {16, 32}, {64, 128}, {256, 512}}; steps = {8, 16, 32};

1. 生成先验框priors，【输入有min_size,step.img_size】

feature map的大小由图片尺寸除以步长得到（img_size/step），对于feature map上的每一个点，都生成大小为min_size的anchors

2. decode boxes，【输入loc,priors,variances】

在先验框的基础上，结合推理得到的值，得出box的四个角坐标，缩放至原图

3.decode landm, 【输入有pre,priors,variances】

在先验框的基础上，结合推理得到的landmask,得出landmask,缩放至原图

4.filer,将置信度高于阈值的结果保留

5.topk

6.nms：其思想是搜素局部最大值，抑制极大值。目标检测的过程中在同一目标的位置上会产生大量的候选框，这些候选框相互之间可能会有重叠，此时我们需要利用非极大值抑制找到最佳的目标边界框，消除冗余的边界框。

前提：目标边界框列表及其对应的置信度得分列表，设定阈值，阈值用来删除重叠较大的边界框。

IoU：intersection-over-union，即两个边界框的交集部分除以它们的并集。

非极大值抑制的流程如下：