NMS（non maximum suppression），中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。通常情况下算法产生的预选框会有很多个，但实际上只需要不同物体上最好的一个框就够了。NMS算法就是为了抑制这些冗余的框而设计的算法。
NMS 原理
对于矩形框的列表H及其对应的置信度S，建造一个存放待处理候选框的集合H，初始化为包含全部N个框；建造一个存放最优框的集合M，初始化为空集。
1.将所有集合 H 中的框进行排序，选出置信度分数最高的框 S，从集合 H 移到集合 M；
2.遍历集合H中的框，分别与框M计算交并比（Interection-over-union，IoU），如果高于某个阈值（一般为0~0.5），则认为此框与M重叠，将此框从集合 H 中去除。
3.回到第1步进行迭代，直到集合 H 为空。集合 M 中的框为我们所需。重叠率(重叠区域面积比例IOU)阈值：常用的阈值是 0.3 ~ 0.5，可以使用交叉验证来选择最优的参数
Reference