NMS代碼說明（來自Fast-RCNN）
個人覺得NMS包含很多框，其坐標為（x1,y1,x2,y2）,每個框對應了一個score，我們將按照score得分降序，並將第一個最高的score的框（我們叫做標准框）作為標准框與其它框對比，即計算出其它框與標准框的IOU值，然后設定閾值，與保留框的最大數量，若超過閾值，就刪除該框，以此類推，所選框最大不能超出設定的數量，最后得到保留的框，結束NMS
接下來，請看代碼：
import numpy as np
def py_cpu_nms(dets, thresh):
"""Pure Python NMS baseline."""
x1 = dets[:, 0]
y1 = dets[:, 1]
x2 = dets[:, 2]
y2 = dets[:, 3]
scores = dets[:, 4]
areas = (x2 - x1 + 1) * (y2 - y1 + 1) # 我認為xy坐標應該包含了（0，0）坐標，所以需要+1（個人是這么認為）
order = scores.argsort()[::-1] # [::-1]表示降序排序，輸出為其對應序號
keep = [] #需要保留的bounding box
while order.size > 0:
i = order[0] #取置信度最大的（即第一個）框
keep.append(i) #將其作為保留的框
#以下計算置信度最大的框（order[0]）與其它所有的框（order[1:]，即第二到最后一個）框的IOU，以下都是以向量形式表示和計算
xx1 = np.maximum(x1[i], x1[order[1:]]) #計算xmin的max,即overlap的xmin
yy1 = np.maximum(y1[i], y1[order[1:]]) #計算ymin的max,即overlap的ymin
xx2 = np.minimum(x2[i], x2[order[1:]]) #計算xmax的min,即overlap的xmax
yy2 = np.minimum(y2[i], y2[order[1:]]) #計算ymax的min,即overlap的ymax
w = np.maximum(0.0, xx2 - xx1 + 1) #計算overlap的width，我認為xy坐標應該包含了（0，0）坐標，所以需要+1（個人是這么認為）
h = np.maximum(0.0, yy2 - yy1 + 1) #計算overlap的hight
inter = w * h #計算overlap的面積
ovr = inter / (areas[i] + areas[order[1:]] - inter) #計算並，-inter是因為交集部分加了兩次。
inds = np.where(ovr <= thresh)[0] #本輪，order僅保留IOU不大於閾值的下標坐標，但是是從第二個數開始當成第一個數
order = order[inds + 1] #刪除IOU大於閾值的框，因為從第二個數開始，當作第一個數，所以需要+1，如[1,2,3,4],將從[2,3,4]開始，
#若選擇第一個數2，下標為0，所以需要+1，才能對應原來數[1,2,3,4],選擇為2.
return keep
單獨對這句話的理解，如下：
