非极大抑制

非极大抑制（Non-Maximunm suppression,NMS ），顾名思义就是抑制不是极大值元素，可以理解为局部最大搜索。这个局部代表的是一个领域，邻域有两个参数，一个是领域的维度，一个是领域的大小。

在目标检测中提取分数最高的窗口。例如在行人检测的时候，滑动窗口提取特征，经过分类器进行分类识别后，每个窗口会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口存在或者包含或者是交叉的情况。这就需要用到nms来选取那些分数最高的并并且抑制那些分数低的窗口。

NMS后的窗口

我们就是需要去除冗余的检测框，保留最好的一个。

例子

使用proposal后使用分类网络给出每个框每类的置信度，使用回归网络修正位置，最终使用NMS

NMS原理

常用阈值为 0.3~0.5

其中使用到排序，可以按照右下坐标进行排序或者面积进行排序，或者是通过SVM等的分类器得到得分或者概率。

车子

上面的图片，定位一个车辆，最后的算法就找出一堆方框，我们需要判别那些是没有用的。非极大抑制的方法：先假设有6个框，根据分类器的类别分类概率做排序，假设从小到大属于车辆的概率为 A B C D E F

从最大概率矩形 F 开始，分别判断A~E与F的重合度 IOU是否大于阈值

假设B D 与F的重叠度超过阈值、那么就扔掉 B D，并标记第一个F，这就是我们保留下来的

从剩下的矩形A C E 中，选择概率最大的E，判断 E 与 A C 的重叠度，重叠度大于阈值，那么扔掉，E就是我们保留下来的第二个矩形框

就这样一直重复，找到所有被保留下来的矩形框。