2.传统目标检测算法

1. 传统目标检测算法基本流程

2. Viola-Jones

3. HOG+SVM

3. DPM

4. NMS

目的：为了消除多余的框，找到最佳的物体检测的位置
思想：选取那些邻域里分数最高的窗口，同时抑制那些分数低的窗口，首先对所有的检测框按照它们的得分进行排序，这个得分就是我们利用分类器进行分类的时候得到的概率值，选出得分最大的检测框，然后将那些同这个得分最大的检测框的iou面积大于某些阈值的框，也就是重叠率高的那些框删除。同样也会有一些检测框同当前的检测框完全不重叠的，或者重叠面积非常小，接下来我们就可以对那些没有处理过的检测框重新进行排序，排序完成之后同样会选出一个得分最大的检测框，以此类推。不断迭代这个过程，直到所有的检测框都被处理过之后，输出最终的检测结果。

改进：Soft-NMS（非极大值抑制算法）

我们直接采用阈值来对检测框进行判定是不太合理的，处理起来过于粗暴。

1.相邻区域内的检测框的分数进行调整而非彻底抑制，从而提高了高检索率情况下的准确率。
2.在低检索率时仍能对物体检测性能有明显提升。