文章目录
- 核心概念
- 数值计算过程示例
- 步骤1：按置信度排序
- 步骤2：迭代选择（第1轮）
- 步骤3：计算IoU重叠度
- 步骤4：抑制冗余候选框
- 步骤5：重复迭代（第2轮）
- 步骤6：重复迭代（第3轮）
- 多类别目标如何处理？
- 完整的执行流程
- 代码参考
- 实践中的补充说明
在目标检测算法中，模型输出的原始预测框往往数量庞大且高度重叠。为了得到清晰、准确的最终检测结果，NMS非极大值抑制是必不可少的关键步骤。
摘要：NMS（非极大值抑制）是目标检测后处理中的关键步骤，用于从大量高度重叠的候选框中筛选出清晰、准确的最终检测结果。本文先介绍 NMS 的核心思想，再通过一个包含 4 个候选框的完整数值示例，逐步演示“按置信度排序 → 迭代选择 → 计算 IoU → 抑制冗余框”的全过程，并解释多类别目标为何要按类别分组执行 NMS，最后给出完整的执行流程与 Python 伪代码参考。
核心概念
NMS的核心思想非常直观：面对大量可能指向同一目标的候选框，我们只需要保留最佳的那一个，并抑制掉其他冗余的框。
但需要纠正一个常见的误解：NMS的最终结果并不一定是只保留一个候选框。它保留的数量取决于图像中实际存在的独立目标数量。如果图中存在多个互不重叠的目标，算法会为每个目标各保留一个最佳候选框。
数值计算过程示例
假设在图像中的同一个目标上，算法生成了4个候选框，同时我们对另一个远处目标也生成了一个框：
- 预设IoU阈值：0.5（判定框与框之间是否“高度重叠”的标准）
- 输入检测框：
| 框 | 置信度 | 坐标格式 [x1, y1, x2, y2] |
|---|---|---|
| A | 0.95 | [0, 0, 100, 100] |
| B | 0.90 | [10, 10, 90, 90] |
| C | 0.85 | [20, 20, 80, 80] |
| D | 0.80 | [200, 200, 300, 300] |
步骤1：按置信度排序
将所有候选框按照置信度从高到低排序：
A(0.95) > B(0.90) > C(0.85) > D(0.80)
步骤2：迭代选择（第1轮）
取出当前置信度最高的框A，并直接将其加入到最终结果集中。
- 最终结果集：[A]
- 剩余待处理框：B, C, D
步骤3：计算IoU重叠度
IoU即“交并比”，计算公式为：IoU = 交集面积 / 并集面积。
框 A 与其余各框的IoU计算：
A与B的IoU：
- 框B完全被框A包含，交集面积就是B的面积：80 × 80 = 6400
- 并集面积 = 框A面积 + 框B面积 - 交集面积 = 10000 + 6400 - 6400 = 10000
- IoU = 6400 / 10000 = 0.64
A与C的IoU：
- 过计算可得交集面积为3600，并集面积为14400
- IoU = 3600 / 14400 = 0.36
A与D的IoU：
- 两个框距离较远，没有交集
- IoU = 0
步骤4：抑制冗余候选框
将计算得到的IoU值与预设阈值0.5进行比较：
| 对比项 | IoU值 | 结论 |
|---|---|---|
| A与B | 0.64 | > 0.5，判定为重复框，将B移除（抑制） |
| A与C | 0.36 | < 0.5，重叠度不高，保留C |
| A与D | 0.00 | < 0.5，完全不同的目标，保留D |
经过本轮处理，剩余待处理框为：C, D
步骤5：重复迭代（第2轮）
- 从剩余框中取出置信度最高的C，加入最终结果集。
- 最终结果集：[A, C]
- 剩余待处理框：D
- 计算C与D的IoU：由于两个框相距很远，IoU = 0
- 0 < 0.5，因此保留D。
- 剩余待处理框：D
步骤6：重复迭代（第3轮）
取出剩余框中最后的D，加入最终结果集。
- 最终结果集：[A, C, D]
- 剩余待处理框：无
最终结论：本次NMS操作保留了3个候选框（A、C、D）。框B由于与最高置信度的框A高度重叠而被成功抑制；而框D因为代表不同的目标，被正确保留了下来。
多类别目标如何处理？
在实际的目标检测应用中，图像中往往包含多个类别的目标。此时的处理方式是在每个类别内部单独循环执行NMS。
具体流程为：
- 按类别分组：将所有候选框根据其预测的类别标签进行分组，例如所有“猫”的框在一组，所有“狗”的框在另一组。
- 组内执行NMS：依次对每个类别组独立执行上述的NMS数值计算过程。
- 合并结果：将每个类别组最终保留的框汇总起来，作为整体的检测输出。
这样做的原因是为了避免跨类别的误抑制。例如，一只猫和一只狗紧紧挨着，两个框高度重叠。如果不区分类别地全局执行NMS，算法会误认为这是同一个目标的重复框，从而强行移除其中一个，导致漏检。按类别分开处理，就可确保高置信度的“猫”框永远不会去抑制属于“狗”类的候选框。
完整的执行流程
整个目标检测后处理NMS过程的完整流程如下：
1. 按类别对所有候选框进行分组 2. 对每个类别依次执行： a. 按置信度排序 b. 选择分数最高的框，加入结果集 c. 计算该框与其他所有框的IoU d. 移除所有IoU大于预设阈值（如0.5）的框 e. 重复步骤b-d，直至候选框为空 3. 合并所有类别结果，输出最终检测结果代码参考
NMS的Python伪代码实现如下：
defnms(bboxes,scores,iou_threshold=0.5):# bboxes: 候选框坐标列表，形式为[[x1,y1,x2,y2],...]# scores: 对应的置信度列表，形式为[score1, score2,...]# 1. 按置信度从大到小排序order=sorted(range(len(scores)),key=lambdai:scores[i],reverse=True)keep=[]whileorder:# 2. 取出当前最高分的索引i=order[0]keep.append(i)# 3. 计算当前框与其余所有框的IoUious=[compute_iou(bboxes[i],bboxes[j])forjinorder[1:]]# 4. 保留IoU < 阈值的框，移除IoU > 阈值的框order=[order[j+1]forj,iouinenumerate(ious)ifiou<iou_threshold]returnkeep实践中的补充说明
- IoU阈值：通常设为0.4~0.6之间，值过高会导致重叠框残留较多，值过低则容易误删邻近的不同目标。
- 置信度阈值：通常先过滤掉打分过低的候选框（如小于0.5），减少NMS的计算量。
- 跨类别NMS：特定场景下，若不同类别在语义上互斥，可全局应用NMS以获得更好的性能。
