nms（non maximum suppression），中文名非極大值抑制，在很多計算機視覺任務中都有廣泛應用，如：邊緣檢測、目標檢測等。
這裡主要以人臉檢測中的應用為例，來說明nms，並給出matlab和c++示例程式。
人臉檢測的一些概念
（1）絕大部分人臉檢測器的核心是分類器，即給定乙個尺寸固定，分類器判斷是或者不是人臉；
（2）將分類器進化為檢測器的關鍵是：在原始影象上從多個尺度產生視窗，並resize到固定尺寸，然後送給分類器做判斷。最常用的方法是滑動視窗。
以下圖為例，由於滑動視窗，同乙個人可能有好幾個框(每乙個框都帶有乙個分類器得分)
而我們的目標是乙個人只保留乙個最優的框：
於是我們就要用到非極大值抑制，來抑制那些冗餘的框：抑制的過程是乙個迭代-遍歷-消除的過程。
（1）將所有框的得分排序，選中最高分及其對應的框：
（2）遍歷其餘的框，如果和當前最高分框的重疊面積(iou)大於一定閾值，我們就將框刪除。
（3）從未處理的框中繼續選乙個得分最高的，重複上述過程。
非極大值抑制（NMS）
非極大值抑制 nms 非極大值抑制顧名思義就是抑制不是極大值的元素，搜尋區域性的極大值。這個區域性代表的是乙個鄰域，鄰域有兩個引數可變，一是鄰域的維數，二是鄰域的大小。這裡不討論通用的nms演算法，而是用於在目標檢測中用於提取分數最高的視窗的。例如在行人檢測中，滑動視窗經提取特徵，經分類器分類識別後...
NMS非極大值抑制
非極大值抑制演算法 non maximum suppression for object detection in python 非極大值抑制演算法 nms 非極大值抑制 矩形框融合 nms 卷積網路改進實現 筆記 人臉檢測視窗選擇辦法 nms convnet 開源 如何用soft nms實現目標檢...
非極大值抑制（NMS）
非極大值抑制 nms 非極大值抑制顧名思義就是抑制不是極大值的元素，搜尋區域性的極大值。這個區域性代表的是乙個鄰域，鄰域有兩個引數可變，一是鄰域的維數，二是鄰域的大小。這裡不討論通用的nms演算法，而是用於在目標檢測中用於提取分數最高的視窗的。例如在行人檢測中，滑動視窗經提取特徵，經分類器分類識別後...