在目标检测任务中，后处理技术对最终性能至关重要。非极大值抑制（NMS）和加权框融合（WBF）是两种常用的方法，它们分别通过去除重叠框或融合多个检测结果来提升系统准确性和鲁棒性。本文将以通俗易懂的方式详细解释这两种技术的原理、步骤、对比及实际应用，并附上小提示和常见问题，帮助你轻松掌握。
非极大值抑制 (NMS)
非极大值抑制（Non-Maximum Suppression，NMS）是一种经典的后处理技术，用于去除目标检测器生成的重叠框。它常用于人脸检测、目标跟踪等任务，核心思想是：选择置信度最高的框，删除与其显著重叠的其他框，重复此过程直到所有框都被处理。
工作原理
- 将所有检测框按置信度分数从高到低排序。
- 选择当前置信度最高的框，将其保留。
- 计算该框与其余所有框的交并比 (IoU)，若 IoU 超过预设阈值（如 0.5），则删除这些重叠框。
- 重复步骤 2-3，直到没有剩余框。
IoU 计算公式：
IoU(A,B) = (A ∩ B) / (A ∪ B)
其中 A 和 B 是边界框的面积，A ∩ B 是它们的交集面积。阈值通常设为 0.5~0.7，具体取决于场景密集程度。