非极大值抑制问题，解决同一个物体有多于一个候选框输出的问题。NMS用于过滤掉重叠的候选框。
（1）算法输入：包含各框的位置坐标，以及置信度得分
（2）算法步骤：设定IOU阈值，比如0.7。所有边框按照置信度进行排序，取得分最高的边框并保存，使其与其余边框计算IOU，去掉计算结果中大于0.7的结果。对于剩下的结果再度计算，直至所有边框消失。
存在问题：
（1）强制去掉得分较低的边框，影响召回率。
（2）IOU阈值难以人为确定。
（3）得分高的边框位置不一定更优。
（4）速度有点慢
Soft NMS法：对于得分小于阈值的边框，不再直接舍弃，而是降低其得分，设其原本得分为S：
S=S x （1-IOUs）其实是对于IOU中较小的一部分框，其1-IOU较大，得分衰减不会很厉害。
如此，大于0.7的次优边框不再直接舍弃，而有了第二次的入选机会。在一定程度上解决了存在问题的(1)及(2)。
但是仍然存在问题（3）:
使用Softer NMS加以解决：Softer NMS通过提出的KL Loss与加权平均的NMS策略有效提升了边框的位置精度。
Original: https://blog.csdn.net/hh1357102/article/details/123862823
Author: 颢师傅
Title: 目标检测NMS非极大值抑制及改进
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/682249/
转载文章受原作者版权保护。转载请注明原作者出处！