1.非极大抑制的算法原理
非极大值抑制（Non-maximum supression）简称NMS，其作用是去除冗余的检测框，去冗余手段是剔除与极大值重叠较多的检测框结果。
常规使用的多类别NMS的算法原理：
step1：先将所有的边界框按照类别进行区分；
step2：把每个类别中的边界框，按照置信度从高到低进行降序排列；
step3：选择某类别所有边界框中置信度最高的边界框bbox1，然后从该类别的所有边界框列表中将该置信度最高的边界框bbox1移除并同时添加到输出列表中；
step4：依次计算该bbox1和该类别边界框列表中剩余的bbox计算IOU；
step5：将IOU与NMS预设阈值Thre进行比较，若某bbox与bbox1的IOU大于Thre，即视为bbox1的“邻域”，则在该类别边界框列表中移除该bbox，即去除冗余边界框；
step6：重复step3~step5，直至该类别的所有边界框列表为空，此时即为完成了一个物体类别的遍历；
step7：重复step2~step6，依次完成所有物体类别的NMS后处理过程；
step8：输出列表即为想要输出的检测框，NMS流程结束。
2.代码实现（python原理实现）
单类别的NMS代码：
boxes, clascores = self.nms(outputs[0].squeeze(), outputs[1].squeeze(), scoreThresh=0.6,