NMS和Soft_NMS

NMS：
假设有一张图片，输入到RPN中，RPN会输出bbox集合D，这些bbox的置信度各不相同，当然位置也各有差异，但是，总是会存在一些bbox它们的位置会有重叠，这会是得：如果直接使用RPN的输出，那么很多bbox是多余的。
此时，NMS的做法是，先取出集合D中置信度最大的bbox bmax0，将其放到集合R中，同时将D中的bmax0删除，接着寻找D中与集合R中的bbox的IOU大于设定阈值的bbox，将这些bbox从集合D中删去，接着再在D中寻找到置信度最大者bmax1，将其放入到R中，同时将D中的bmax1删除，再找到D中与bbox1的IOU大于设定阈值的bbox，将其删除…如此重复，直到D中没有bbox，而R中的bbox就是NMS的目标bbox

Soft_NMS：
假设有一张图片，输入到RPN中，RPN会输出bbox集合D，这些bbox的置信度各不相同，当然位置也各有差异，但是，总是会存在一些bbox它们的位置会有重叠，这会是得：如果直接使用RPN的输出，那么很多bbox是多余的。
此时，Soft_NMS的做法是，先取出集合D中置信度最大的bbox - bmax0，将其放到集合R中，同时将D中的bmax0删除，接着寻找D中与集合R中的bbox的IOU大于设定阈值的bbox，将这些bbox从集合D中删去，并将IOU输入到设定的函数中，得到一个值J，该值J对相应的bbox的置信度进行调整，之后将这些bbox放入到集合R中，接着再在D中寻找到置信度最大者bmax1，将其放入到R中，同时将D中的bmax1删除，再找到D中与bbox1的IOU大于设定阈值的bbox，将其置信度调整后加到R中…如此重复，直到D中没有bbox，而R中的bbox就是Soft_NMS的目标bbox

总结：NMS将重叠度高的bbox暴力删除了一部分，而Soft_NMS则是选择将其置信度降低后加到最终的输出中