大家好，這是我的第一篇blog，寫作的主要是記錄後面兩個月的學習情況。

宣告，該篇文章主要內容來源於：https://www.cnblogs.com/makefile/p/nms.html，其中NMS原理其實非常簡單，就是首先排序它的置信度，然後從置信度高的位置開始找框的重合率，如果框的重合率大於某個閾值，則剔除該置信度小的框，下面上傳他的程式碼部分：

def py_cpu_nms(dets, thresh):
     """Pure python  NMS baseline."""
     #x1、y1、x2、y2、以及score賦值
     x1 = dets[:, 0]
     y1 
 
= dets[;, 1]
     x2 = dets[;, 2]
     y2 = dets[;, 3]
     scores = dets[:, 4]
   
    #每一個檢測框的面積
     areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    #按照score置信度降序排列
     order = scores.argsort()[::-1]
     keep = []
     while order.size > 0:
          i = order[0]
          keep.append[i] #保留該類剩餘box中得分最高的一個
 

                                 #得到相交區域，左上及下
          xx1 = np.maximum(x1[i], x1[order[1:]])
          yy1 = np.maximum(y1[i], y1[order[1:]])
          xx2 = np.maximum(x2[i], x2[order[1:]])
          yy2 = np.maximum(y2[i], y2[order[1:]])

          #每一個檢測框的面積 
           w = np.maximum(0.0,  xx2 - xx1 + 1)
           h 
 
=  np.maximum(0.0, yy2 - yy1 + 1)
           inter = w * h
           ovr = inter /  (areas[i] + areas[order[1:]]  - inter)
           inds = np.where(ovr <= thresh)[0]
           order = order[inds + 1]
           #因為ovr陣列的長度比order陣列少一個，所以這裡要將所有下標後移一位
     return keep