本篇文章主要是对NMS模块的python实现，因为最近在做有关目标检测的东西，而NMS作为目标检测深度模型之后对图片方框的后处理，是非常重要的一个部分。参考原文(NMS的python实现)
具体的原理建议参考原文，我这里就是搬运一下代码, 当然也有增加了一些自己对代码的解释。
import numpy as np boxes=np.array([[100,100,210,210,0.72], [250,250,420,420,0.8], [220,220,320,330,0.92], [100,100,210,210,0.72], [230,240,325,330,0.81], [220,230,315,340,0.9]]) def py_cpu_nms(dets, thresh): #首先数据赋值和计算对应矩形框的面积
#dets的数据格式是dets=np.array[[xmin,ymin,xmax,ymax,scores]....]
x1 = dets[:,0] y1 = dets[:,1] x2 = dets[:,2] y2 = dets[:,3] areas = (y2-y1+1) * (x2-x1+1) scores = dets[:,4] print('areas ',areas) print('scores ',scores) #这边的keep用于存放，NMS后剩余的方框
keep = [] # 取出分数从大到小排列的索引。.argsort()是从小到大排列，[::-1]是列表头和尾颠倒一下。
index = scores.argsort()[::-1] print(scores) print(index) # 上面这两句比如分数[0.72 0.8 0.92 0.72 0.81 0.9 ]
# 对应的索引index[ 2 5 4 1 3 0 ]记住是取出索引，scores列表没变。scores[2]>scores[5]>scores[4]>...>scores[0]
# index会剔除遍历过的方框，和合并过的方框。
while index.size >0: print(index.size) # 取出第一个方框进行和其他方框比对，看有没有可以合并的
i = index[0] # every time the first is the biggst, and add it directly
#因为我们这边分数已经按从大到小排列了。
#所以如果有合并存在，也是保留分数最高的这个，也就是我们现在那个这个
#keep保留的是索引值，不是具体的分数。
keep.append(i) # 计算交集的左上角和右下角
# 这里要注意，比如x1[i]这个方框的左上角x和所有其他的方框的左上角x的最大值
x11 = np.maximum(x1[i], x1[index[1:]]) # 返回值是【max(x1[i], x1[1]), max(x1[i], x1[2]),....】
y11 = np.maximum(y1[i], y1[index[1:]]) # np.maximum是逐个位置比较。
x22 = np.minimum(x2[i], x2[index[1:]]) y22 = np.minimum(y2[i], y2[index[1:]]) # 这边要注意，如果两个方框相交，X22-X11和Y22-Y11是正的。
# 如果两个方框不相交，X22-X11和Y22-Y11是负的，我们把不相交的W和H设为0.
w = np.maximum(0, x22-x11+1) h = np.maximum(0, y22-y11+1) #计算重叠面积就是上面说的交集面积。不相交因为W和H都是0，所以不相交面积为0
overlaps = w*h print('overlaps is',overlaps) # 这个就是IOU公式（交并比）。
# 得出来的ious是一个列表，里面拥有当前方框和其他所有方框的IOU结果。
ious = overlaps / (areas[i]+areas[index[1:]] - overlaps) print('ious is',ious) # 接下来是合并重叠度最大的方框，也就是合并ious中值大于thresh的方框
# 我们合并的操作就是把他们剔除，因为我们合并这些方框只保留下分数最高的。
# 我们经过排序当前我们操作的方框就是分数最高的，所以我们剔除其他和当前重叠度最高的方框
# 这里np.where(ious<=thresh)[0]是一个固定写法。
idx = np.where(ious <= thresh)[0] # 说明index[idx+1]这些位置是IOU小于指定阈值的位置
print('=============', idx) # 把留下来框再进行NMS操作
# 这边留下的框是去除当前操作的框，和当前操作的框重叠度大于thresh的框
# 每一次都会先去除当前操作框(i框没有参与计算IOU)，所以索引的列表就会向前移动移位，要还原就+1，向后移动一位
index = index[idx+1] # because index start from 1
return keep print(py_cpu_nms(boxes, 0.5))
上面已经在关键地方进行了标注。大家可以下载下来试一试。