2.2.2 非极大值抑制

候选框是指候选出有可能存在物体的框。如图2-2-4所示，一张图中有众多候选框，狗的眼睛、鼻子甚至狗的整体，都属于单独的候选框。

资料来源：最小森林CSDN博文。

图2-2-4 候选框案例图

如何在众多候选框中挑出有用的候选框？这将涉及新的概念——交并比（IoU）。交并比是预测框与真值框的交集与并集的比值。如图2-2-5所示，假设A是候选框，B是正确的真值框，则IoU=A∩B/A∪B。

图2-2-5 交并比示意图

通过非极大值抑制（Non-Maximum Suppression，NMS）剔除定位不太精确的框的过程如下。

输入：候选框B的列表、对应的置信度S和重叠阈值N。

输出：过滤后的候选框列表D。

选择候选框的过程如图2-2-6所示。

资料来源：非极大值抑制论文。

图2-2-6 选择候选框的过程

（1）选择置信度（得分）最高的候选框，将其从B中移除，并将其添加到最终候选框列表D（最初D为空）中。

（2）将（置信度最高的候选框与所有候选框进行比较——计算该候选框与其他候选框的交并比。如果交并比大于阈值N，则从B中删除该候选框。为什么不删除小于阈值N的候选框？因为这些候选框虽然不是框住当前这个目标的好的候选框，但可能是框住其他目标的好的候选框，所以不能删除。

（3）再次从B剩余的候选框中取出具有最高置信度的候选框，将其从B中删除并添加到D中。

（4）再次计算B中的所有候选框与步骤（3）中选出的候选框的交并比，并剔除交并比高于阈值的框。重复这个过程，直到B中没有更多的候选框。

非极大值抑制代码如下。