非极大值抑制（Non-Maximum Suppression，NMS），顾名思义就是抑制不是极大值的元素，可以理解为局部最大搜索。也可以理解为只取置信度最高的一个识别结果。

举例：

目标检测 非极大值抑制（Non-Maximum Suppression，NMS）

如图所示，现在识别出了3个人脸，但该三个人脸其实都为同一个目标，只是位置不同，置信度也不一样。

这时候，我们想要是置信度最高的“0.97”的检测结果，以及位置信息。

那么，我们就可以采用NMS的方式，来得到我们想要的最后的结果。

原理：

对于Bounding Box的列表B及其对应的置信度S,采用下面的计算方式.选择具有最大score的检测框M,将其从B集合中移除并加入到最终的检测结果D中.通常将B中剩余检测框中与M的IoU大于阈值Nt的框从B中移除.重复这个过程,直到B为空.

流程：
如上图所示，首先得到所有的Bounding Box和对应置信度的集合，如下：
A：0.78
B：0.97
C：0.65

从上面的列表中挑选一个置信度最高的为最终的结果
也就是B

注意：

多目标检测时，需要对每个类目进行不同IOU的进行不同的计算