非最大值抑制（NMS）

为什么要用NMS？

现在我们学到的算法中可能存在对一个物体做出多次检测。所以算法不是对某个对象检测出一次，而是多次。如图：

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，所以它应该只被分配到一个格子里，左边的车子也只有一个中点，所以理论上应该只有一个格子做出有车的预测。
但是实践中，当你运行对象分类和定位算法时，每个格子都会运行一次，每个格子都可能认为这辆车的中点在格子内部。因此会产生很多预测框，如图：

我们现在对于一个对象只需保留一个检测框即可，其余框通过非最大值抑制（NMS）来剔除。

NMS原理

我们首先提出得分小于阈值的框，然后把这么多重叠的框按照分类分数排一个序，选出得分最大的那一个框，然后根据设定的IoU阈值，刚刚用选择的框与其余框取交并比，大于阈值的框抛弃，然后在剩下的框中再选择一个最大得分框，剩下的一些继续做非极大抑制,直到全部处理完，最后留下的既是分类分数高的，又是框比较合适的窗口，过程如下图：

下图选自Andrew Ng卷积神经网络-非极大值抑制中的伪代码：

NMS在目标检测中应用的简单思路

1.我们把要找的目标先训练好一个分类器，比如上面的狗，人，骑车，马，训练一个4分类器。比如用SVM或者CNN训练一个分类器，输入一个固定大小图片，输出类别概率。
2.（滑动窗口法）用很多不同大小的窗口进行移动，把图片分成很多个小窗口，然后把每个窗口喂给分类器，如果给出较高的分类分数，那就说明这个窗口有物体，那就留着，这样处理完所有窗口。
（anchor box法）每个grid cell预测出指定尺度的anchor box，每个窗口喂给分类器，如果给出较高的分类分数，那就说明这个窗口有物体，那就留着，这样处理完所有窗口。
3.处理完的窗口当然会有很多重叠的啦，我们当然希望处理一些比较像我们标注的窗口啦，然后我们就使用 非极大抑制，留下合适的框，丢弃其他的框。
4.得到各种窗口和对应的类别，此时可以拿标注的数据框来进行回归，让窗口更加精确点，当然不回归也可以，可能不是很精确啦。