📚 课程目录第3章传统NMS算法流程

3. 传统NMS算法流程：算法步骤、伪代码、优缺点分析

聊完了NMS到底在解决什么问题，咱们得把它的底裤扒干净——看看传统NMS到底是怎么一步步把那些冗余框干掉的。说实话，我刚入行那会儿，觉得NMS不就是选个得分最高的框，然后把重叠的都删掉嘛，有啥好学的？结果第一次在YOLOv3上做密集小目标检测，直接翻车了。嗯，从那以后我才老老实实把NMS的每一步都啃透。

3.1 核心思想：一句话说清楚

传统NMS（Non-Maximum Suppression，非极大值抑制）说白了就是：在局部区域内，只保留得分最高的那个检测框，把其他跟它重叠度太高的框全部干掉。

你想想看，一个目标上可能产生十几个框，每个框都带着一个置信度分数。我们当然要留下那个最有信心的，对吧？但问题来了——怎么定义“局部区域”？怎么衡量“重叠度太高”？这就是IoU（交并比）登场的地方。

一句话记忆法：NMS = 找老大 + 清小弟。老大是得分最高的框，小弟是跟老大IoU超过阈值的框。

3.2 算法步骤：五步走

传统NMS的流程其实非常直观，我习惯把它拆成5个步骤。每次写代码前，我都会在心里过一遍这个流程，避免漏掉边界情况。

输入准备：拿到所有检测框的集合 B = {b₁, b₂, ..., bₙ}，每个框附带一个置信度分数 S = {s₁, s₂, ..., sₙ}，以及一个预设的IoU阈值 N_t（通常取0.5或0.45）。
按分排序：把所有框按照置信度分数从高到低排序。得分最高的框，就是我们当前要保下来的“种子框”。
挑选种子：从排序后的列表中取出得分最高的框，把它加入最终结果集 D，同时从原列表 B 中移除。
计算IoU并淘汰：遍历 B 中剩下的所有框，计算它们与当前种子框的IoU。如果 IoU > N_t，就把这个框从 B 中删除（因为它跟种子框重叠太多了，大概率是在检测同一个目标）。
重复迭代：回到第2步，继续从剩余的 B 中选得分最高的框，重复步骤3和4，直到 B 为空。

我在项目中遇到过一个问题：当两个目标靠得非常近时，IoU阈值设得太高（比如0.7），会把其中一个目标的框误删掉。后来我学乖了，密集场景下会把阈值降到0.4左右，宁可多留几个假阳性，也别漏掉真目标。

3.3 伪代码：手写版

下面是我自己习惯用的伪代码风格，跟教科书上的略有不同——我加了一些实际工程中会考虑的边界检查。你直接照着这个逻辑写Python，基本不会出大问题。

function NMS(boxes, scores, iou_threshold):
    // boxes: [[x1,y1,x2,y2], ...], scores: [s1, s2, ...]
    // 返回保留框的索引列表

    // 1. 按得分降序排序
    indices = argsort(scores, descending=True)
    keep = []

    while len(indices) > 0:
        // 2. 取当前得分最高的框
        current = indices[0]
        keep.append(current)

        // 3. 如果只剩一个框，直接结束
        if len(indices) == 1:
            break

        // 4. 计算当前框与剩余所有框的IoU
        rest = indices[1:]
        ious = compute_iou(boxes[current], boxes[rest])

        // 5. 保留IoU小于阈值的框
        indices = rest[ious < iou_threshold]

    return keep

我的小习惯：实际写代码时，我会把 compute_iou 单独抽成一个函数，方便后面换成GIoU或DIoU。另外，记得处理空框（宽或高为0）的情况，否则除零错误会让你怀疑人生。

3.4 优缺点分析：别被它骗了

传统NMS看起来简单粗暴，但它在YOLO时代能活这么久，自然有它的道理。不过，它的缺点也相当致命。我整理了一个表格，方便你对比着看。

维度	优点	缺点
计算效率	算法复杂度O(n²)，但实际中n通常很小（每张图几十到几百个框），CPU上也能跑得飞快	当候选框数量极大（比如5000+）时，纯Python实现会卡成PPT，需要C++或GPU加速
实现难度	代码量不到20行，逻辑清晰，调试方便	太简单反而容易让人忽略边界情况（比如空输入、全零框）
检测效果	对稀疏目标、大目标效果很好，几乎不会误删	密集场景下，两个紧挨着的目标会被当成一个，导致漏检
阈值敏感度	只有一个超参数（IoU阈值），调参简单	阈值太严（如0.3）容易漏检，太松（如0.7）容易保留大量冗余框
适用场景	通用目标检测、行人检测、车辆检测等标准场景	密集小目标、遮挡严重、不规则形状目标（如细长杆子）表现差

我曾经踩过的坑：有一次做无人机视角下的车辆检测，车停得密密麻麻的。我用默认的0.5阈值，结果NMS把相邻车道的车框全删了，只剩下一辆车。后来我把阈值降到0.3，又发现很多冗余框没清干净。最后没办法，只能上Soft-NMS。所以记住：传统NMS不是万能的，密集场景下一定要考虑变种方案。

3.5 核心流程图：NMS的一次完整迭代

下面这张图展示了一次NMS迭代中发生了什么。我特意把“种子框”和“被淘汰框”用不同颜色标出来，方便你理解。

_t：默认0.5 • 得分阈值：过滤低分框 • 最大检测数：限制输出数量输出结果 • 保留框：得分高且不重叠 • 删除框：得分低或重叠高 • 迭代直到候选框为空循环直到无框剩余

3.6 什么时候该用传统NMS？

说实话，虽然现在各种NMS变种层出不穷，但传统NMS在以下场景中依然是首选：

目标稀疏的场景：比如监控画面中只有一两个人，或者空旷道路上的车辆检测。这种情况下，框与框之间几乎不会重叠，传统NMS完全够用。
对延迟要求极高的场景：比如实时视频流处理，每帧只有几毫秒的推理时间。传统NMS的O(n²)复杂度在框数少时几乎无感，而Soft-NMS或DIoU-NMS会引入额外计算。
作为baseline对比：我在做算法改进时，一定会先用传统NMS跑一遍结果，作为后续改进的基准线。如果改进后的算法连传统NMS都打不过，那说明方向有问题。

我的建议：不要一上来就上各种花哨的NMS变种。先用传统NMS跑通整个pipeline，确认模型本身没问题之后，再根据具体场景的痛点（密集、遮挡、小目标）去选择对应的改进方案。这样定位问题会快很多。