1.交并比IoU (intersection over union)
在目标检测的评价体系中，有一个参数IoU，即模型产生的目标窗口与原来标记窗口的交叠率。可以简单理解为：检测结果（detection result）与真实值（Ground Truth）的交集并上它们的并集。公式可以简单记为：
2. 非最大值抑制NMS(Non-maximum suppression)
用途：在目标检测中，从最后的多个备选框中甄选出最合适的框
原理：使用极大概率的备选框抑制其他与它位置接近的备选框
输入：一些备选框，每个备选框包含备选框的坐标和属于相应类别的概率（注意：这里所有类共享这些备选框）；
一个重叠度的阈值
输出：每个类别的备选框
方法：
对于第一个类别
step 1：先选个概率极大框加入最终结果（保证至少有一个），然后计算其他框和这个最大框的交并比 IoU，把IoU值大的框剔除掉（我是这样理解的，IoU值越大，越说明两个框的重叠度越高，既然现在选定的框的概率极大，那么相对比的框的概率就相对最小，就没有选定的框的识别效果好，所以剔除）
然后在重复step 1（因为一副图片中可能有多个物体属于第一类别），选出剩下的里面概率极大框加入最终结果，然后计算，剔除 ... ... ... 直到某一次剔除后，没有剩下的框了，那么这个类别的框就找全了。
开始第二个类别
....