1. 啥是非极巨大值抑制

非极巨大值抑制是一种用于目标检测和边缘检测的算法。它后来啊。轻巧松NMS会选择一个得分Zui高大的候选框，然后将其周围的沉叠区域抑制，在下一次迭代中接着来这玩意儿过程那个。

2. 为啥要用非极巨大值抑制

在目标检测和边缘检测中，常用的方法兴许会检测出许许多再来一次或沉叠的候选框。这些个再来一次的框兴许会给后续的处理带来不少许不了的麻烦性和计算负担。NMSNeng有效地筛选出这些个再来一次的框，只保留Zui显著的候选框，从而搞优良检测的准确性和效率。

3. 怎么用非极巨大值抑制

非极巨大值抑制的基本步骤如下：

1. 对候选框按照某个得分指标进行排序。
2. 选择得分Zui高大的候选框。
3. 计算当前候选框与其他候选框的交并比。
4. Ru果某个候选框与当前候选框的IoU巨大于预设的阈值，则将其抑制。
5. 再来一次步骤2-4，直到全部候选框dou被处理。

python import numpy as np

def nonmaxsuppression: if len == 0: return

boxes = np.array
pick = 
while len> 0:
    x1 = boxes
    y1 = boxes
    x2 = boxes
    y2 = boxes
    area =  * 
    max_ind = np.argmax
    pick.append
    xx1 = np.maximum
    yy1 = np.maximum
    xx2 = np.minimum
    yy2 = np.minimum
    w = np.maximum
    h = np.maximum
    inter = w * h
    ovr = inter / 
    inds = np.where
    boxes = boxes
return boxes.astype

在这玩意儿示例中，boxes是一个包含边界框坐标和置信度的二维数组。个个边界框的坐标表示为 ，置信度表示为 boxes。overlap_thresh 是IoU沉叠度的阈值。

4. 参考资料