深度学习之非极大值抑制NMS介绍

1. 基本介绍

        非极大值抑制（Non-Maximum Suppression，NMS）是深度学习中一种常用的目标检测算法，用于在检测结果中去除冗余的边界框。

        在目标检测任务中，通常会使用候选框（bounding boxes）来表示可能包含目标物体的区域。这些候选框是通过目标检测模型生成的，每个候选框都会伴随一个置信度分数，表示该候选框包含目标物体的概率。当候选框的数量较多时，简单地选择置信度最高的候选框可能会导致冗余和重叠的检测结果。NMS算法通过判断候选框之间的重叠程度，去除那些与已选择的候选框高度重叠的冗余框，从而提供更准确的目标检测结果。

        NMS的目标是从所有候选框中选择出最佳的、不重叠的候选框，以提供最准确的目标检测结果。

        NMS的核心思想是通过设定一个阈值来判断两个候选框是否重叠。常用的重叠度量是交并比（IoU），定义为两个候选框的交集面积除以它