记录一下对非极大值抑制的理解。
非极大值抑制法
顾名思义，是在抑制不是极大值的元素，即搜索一个局部最大值。在目标检测中应用比较广泛。对一个目标而言，算法对该目标肯产生多个候选框，每个框对应一个score,将这些score全部排序，选出得分最大的一个，再用其他框与当前最大的框计算其重叠程度，就是常说的iou,当大于某个阈值，比如0.5时，将这些大于阈值0.5的框删除，只保留score最大的一个框,因此就是抑制了不是极大值的框，即非极大值抑制。。
单个目标和多目标
若只有一个目标，直接选取得分最大的框即可，若有多个目标，NMS算法会迭代的进行选择，保留每个目标的得分最大框。
假设图中有两个人脸待检测，首先对现有的框按score的大小进行排序，选出得分最大的一个框，通过计算iou，将大于某个阈值的几个非极大值的框删除，并标记第一个框，是最终保留下来的；然后在剩下的框中，继续按照之前的方法，选出score最大的框，计算iou,将大于某个阈值的框删除。这样不断迭代，就可以对多目标进行检测。
假设有6个得分框，分别按从score从小到大记A,B,C,D,E,F,
(1)选出当前最大的得分框F，计算剩下的框与F的iou，选出大于某个阈值的框，如A,B，然后将A,B删除，标记现在所选择的框F
(2)在剩下的框中C,D,E中，选出score最大的框E，计算C,D与E之间的iou,将大于某个阈值的框删除，标记现在选择的框E
(3)不断重复该过程，就可以得到所需要的框
如图，共有如下5个得分框，有两个人脸待检测，按score大小从小到大排序，为0.67，0.75，0.81，0.83，0.98!
首先选出score最大的框，即得分为0.98的红框，计算剩余框与它的iou，将大于某阈值的框删除，在图中可以看出，删除的框是得分为0.75和0.83的框。标记0.98的得分框。
在剩余的两个框中，继续按照之前的方法进行操作，即可得出另一个所需要的框。
小白理解，如有错误请指正。
