1. 非极大值抑制（Non-Maximum Suppression, NMS）

概念：

非极大值抑制是目标检测中用于消除冗余检测框的后处理算法。当多个检测框重叠检测到同一物体时，NMS通过保留置信度最高的框，抑制与其高度重叠的其他框来获得最终结果。

算法步骤：

1. 将所有检测框按置信度降序排序
2. 选取最高置信度的框加入最终结果集
3. 计算该框与剩余所有框的IoU（交并比）
4. 删除IoU超过阈值的框
5. 重复步骤2-4直到所有框处理完毕

具体例子：

假设检测到3个框：

• Box1: (x1,y1,x2,y2)=(10,10,50,50), score=0.9
• Box2: (15,15,55,55), score=0.8
• Box3: (100,100,150,150), score=0.7

设置IoU阈值=0.5：

1. 选择Box1（最高分0.9）
2. 计算Box1与Box2的IoU≈0.62 > 0.5，删除Box2
3. 计算Box1与Box3的IoU=0，保留Box3
   最终保留Box1和Box3

PyTorch实现：

import torch
from torchvision.ops import nms

# 输入格式：boxes格式为(x1,y1,x2,y2)
boxes = torch.tensor([[10,10,50,50],
                     [15,15,55,55],
                     [100,100,150,150]], dtype=torch.float32)

scores = torch.tensor([0.9, 0.8, 0.7])

# 执行NMS
keep_idx = nms(boxes=boxes, 
              scores=scores, 
              iou_threshold=0.5)

print("保留的索引:", keep_idx)  # 输出 tensor([0, 2])

总结：

NMS是目标检测中关键的后处理步骤。实际应用中需要注意：

1. NMS的IoU阈值需要根据具体任务调整