昨天阿里一面，聊到了Soft NMS，回来记下：
这是ICCV2017的文章，改进NMS，论文链接：https://arxiv.org/abs/1704.04503 【Improving object detection with one line of code】
我们知道nms是用在目标检测中，去除重复框，降低误检率的。大致解释如下： 
可以看出，nms略显粗暴啊，因为他直接把和得分最高的box相交大于某个阈值的box置零了，所以就有了这样一个比较soft的算法。
SoftNMS的原理：用稍低一点的分数来代替原有的分数，而不是直接置为零，并且SoftNMS可以直接引入object detection中，不需要重新训练模型，因此这是该算法的一大优点。
下面是SoftNMS的伪代码： 
简单来说就是NMS在比较IOU后，直接将把与最大置信度重合高的box给扔掉了，而SoftNMS并没有直接扔掉，而是将和最大置信度重合的box的置信度值降低，IOU与置信度变化的关系由函数f()给出。
首先NMS算法可以用下面的式子表示： 
为了改变NMS这种hard threshold做法，并遵循IOU越大，得分越低的原则（IOU越大，越有可能是false positive），自然可以想到用下面这个公式来表示Soft NMS： 
但是上面这个公式是不连续的，这样会导致box集合中的score出现断层，因此就有了下面这个Soft NMS式子（也是大部分实验中采用的式子）： 
这个式子可以满足：一个连续的惩罚函数应该对没有重叠的box不产生惩罚，而对重叠度高的产生高的惩罚。
https://blog.csdn.net/u014380165/article/details/79502197【参考博客】