学习笔记（7):第三章：YOLO系列目标检测-模型优化模块解析及功能介绍-05

立即学习:https://edu.csdn.net/course/play/29770/438120?utm_source=blogtoedu

NMS（Non-Maximum Suppression）算法本质是搜索局部极大值，抑制非极大值元素。NMS就是需要根据score矩阵和region的坐标信息，从中找到置信度比较高的bounding box。NMS是大部分深度学习目标检测网络所需要的，大致算法流程为：

1.对所有预测框的置信度降序排序

2.选出置信度最高的预测框，确认其为正确预测，并计算他与其他预测框的IOU

3.根据2中计算的IOU去除重叠度高的，IOU>threshold就删除

4.剩下的预测框返回第1步，直到没有剩下的为止

Proposal:产生proposal区域后，使用每类网络给出每个框的每类置信度，使用回归网络修正位置，最终应用NMS。目的是在目标检测中消除多余的检测框，找到最佳的物体检测的位置。