NMS非极大值抑制

NMS非极大值抑制的功能：

筛选出一定区域内、属于同一种类、得分最大的框。

每个grid cell包含2个bounding box（每个bounding box包含4个box位置坐标和1个box置信度） 和20个类别的条件概率。

将box置信度和20个类别的条件概率分别相乘，得到一个全概率（20*1）。

因此每个bounding box有一个全概率，1个grid cell有2个全概率，总共输出有7*7*2=98个全概率

 此图摘自：YOLOv1 前向推断后处理——NMS非极大值抑制_我的博客-CSDN博客

NMS的实现过程：

输出的大小为：[batch_size , all_anchors ,4+1+num_classes ]

第一个维度是图片的数量。
第二个维度是所有的预测框。
第三个维度是所有的预测框的预测结果:x,y,w,h,confidence,类别概率。

非极大抑制的执行过程如下所示：
1、对所有图片进行循环。
2、找出该图片中得分大于门限函数的框。在进行重合框筛选前就进行得分的筛选可以大幅度减少框的数量。

假设第一个类是狗，我们设一个阈值0.2，所有小于0.2的全设为0。

将所有全概率按狗的全概率重新按大到小进行排序。

非极大值抑制将多余的bounding box也设为0。

3、判断第2步中获得的框的种类与得分。取出预测结果中框的位置与之进行堆叠。此时最后一维度里面的内容由5+num_classes变成了4+1+2