Non-Maximum Suppression 非极大值抑制
NMS目的：
在检测任务中，一个目标很有可能预测出多个bbox，我们需要剔除不适合的，只留下最好的。这就是NMS的目的。
NMS处理之后
NMS过程：
在目标检测中，很可能需要预测很多类。拿预测人类的特征图来举例，他可能出现很多的bbox，每个bbox网络都会有它是人类框的置信度，我们选出其中置信度最大的一个bbox，然后比较其它的框与它的IoU大小，我们设定一个阈值(threshold)，把与最好框的IoU超过阈值的bbox去除。这些超过阈值的bbox与最好的框的重叠程度过大，表明很有可能标定的是同一个物体。
提问：为什么不直接选择最好（置信度最高）的框呢？把其它置信度低的都去掉就好了呀。
因为与最好bbox的IoU低于阈值的框，很可能预测的不是同一个人，不应该去除它。
普通NMS存在的两个问题：
1）图片上存在稀疏不同的两组物体：
例如一张图片，一边有一群人，都站在一起（贴得足够近），而另一边只有一个人。
那么如果我们把threshold设高，则很有可能一群人那边只有一两个离得较远的人被框住了。因为当两个人站得很近得时候，它们得框也会很近，即IoU很大，很有可能超过阈值，被NMS除去了：
那如果我们把threshold设低一点以避免这个问题的话，则又会出现右边的人有多个bbox的情况，因为threshold过低，无法得到有效抑制：
2）一些特殊的问题，例如动物存在长长的尾巴：
如上图，这只猫有两个预测的bbox，很明显，蓝色框的置信度会更大，因为红色框的尾巴这一块有太多的背景。NMS会除去红色框，但是就我们希望的角度看，我们肯定是希望留下红色框的，因为尾巴也是猫的一部分对吧？
以上是普通的NMS存在的两个问题，这些问题都有很多的论文进行讨论和解决，提出了NMS的很多进阶版，融合NMS等等，接下来我也会跟进学习！