算法面试（5）------NMS（非极大值抑制）原理 Soft-NMS、DIoU-NMS 是什么？
- 操作系统：ubuntu22.04
- IDE:Visual Studio Code
- 编程语言：C++11
这是一个目标检测领域的核心后处理问题，也是面试高频考点。我们从基础 NMS 原理 → 缺陷 → 改进版（Soft-NMS、DIoU-NMS） 三层递进，彻底讲透！
一、NMS（Non-Maximum Suppression，非极大值抑制）原理
✅ 核心思想：
“只保留置信度最高的框，抑制与其高度重叠的其他框。”
🧩 为什么需要 NMS？
目标检测模型（如 YOLO、Faster R-CNN）会在多个位置、多个尺度预测同一个目标，产生大量冗余框。NMS 用于去重，保留最优框。
📈 NMS 算法步骤（经典 Greedy-NMS）：
假设你有一组检测框：boxes = [box1, box2, …, boxN]，每个框有 (x1, y1, x2, y2, score, class)
- 按类别分组 → 对每个类别单独做 NMS
- 按置信度排序 → 从高到低：score[0] > score[1] > …
- 循环选择：
- 选当前最高分框 box_i，加入最终结果
- 计算 box_i 与剩余所有框的 IoU（交并比）
- 删除所有与 box_i 的 IoU > threshold（如 0.5）的框
- 重复步骤 3，直到无框可选
⚙️ IoU 计算公式：
IoU = Area(Intersection) / Area(Union)
🖼️ 举个栗子 🌰：
你检测到 5 个“狗”的框，置信度分别为：0.95, 0.9, 0.8, 0.7, 0.6
- 选 0.95 的框 → 计算它和剩下 4 个框的 IoU
- 假设 0.9 和 0.8 的框 IoU > 0.5 → 删除
- 剩下 0.7 和 0.6 → 选 0.7 → 计算 IoU → 删除 0.6（如果重叠）
- 最终保留：0.95 和 0.7 的框
二、经典 NMS 的缺陷
-
“一刀切”抑制：
- 只要 IoU > 阈值，不管置信度多高，一律删除 → 可能误删正确框
- 🌰 两个挨着的同类物体（如两匹并排的马），高分框可能抑制另一个高分框！
-
只考虑重叠，不考虑位置质量：
- 两个框 IoU 高，但一个定位准，一个定位偏 → 应该保留更准的，但 NMS 只看分数
-
阈值敏感：
- 阈值高 → 漏删（冗余框多）
- 阈值低 → 误删（漏检）
三、改进版 1：Soft-NMS（2017）
论文：Improving Object Detection With One Line of Code
✅ 核心思想：
不直接删除重叠框，而是“降低其置信度”，让它们在后续排序中自然被淘汰。
🧩 算法步骤：
- 同样按置信度排序
- 选最高分框 M，加入结果
- 对每个剩余框 bi：
- 计算 IoU(M, bi)
- 不删除，而是衰减其置信度：
# 线性衰减（原始论文）if IoU > threshold:score_bi = score_bi * (1 - IoU)# 高斯衰减（更常用）score_bi = score_bi * exp(-IoU² / sigma)
- 重新按新分数排序，重复
✅ 优势：
- 保留更多可能正确的框（尤其密集目标）
- 减少“高分框误删高分框”的问题
- 只需改一行代码！
📉 缺点：
- 不能完全解决定位不准的问题
- 衰减策略需调参（sigma）
四、改进版 2：DIoU-NMS（2020）
论文：Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
✅ 核心思想：
在 NMS 阶段，不仅看 IoU，还看两个框“中心点距离” —— 定位更准的框应该被保留！
🧩 DIoU 公式回顾：
DIoU = IoU - (ρ² / c²)其中：
- ρ² = 中心点欧式距离的平方
- c² = 包围两个框的最小闭包矩形的对角线长度平方
→ DIoU 越大，表示两个框重叠高 + 中心点越近 → 越相似
🔄 DIoU-NMS 做法：
在 NMS 的抑制判断中，用 DIoU 替代 IoU：
if DIoU(box_i, box_j) > threshold:delete box_j
或者更常见的是：
用 DIoU 作为排序或加权依据，结合置信度
例如 YOLOv5/v7 中的 DIoU-NMS：
# 用 DIoU 加权分数，再排序
score_j = score_j * (1 - DIoU(box_i, box_j)) # DIoU越大，惩罚越大
✅ 优势：
- 抑制时考虑定位质量（中心点距离）
- 对遮挡、密集目标更友好
- 与 DIoU Loss 配套使用，端到端优化
🆚 五、三种 NMS 对比表
| 方法 | 核心机制 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| NMS | IoU > 阈值 → 直接删除 | 简单高效 | 误删高分框，密集目标差 | 通用，实时系统 |
| Soft-NMS | IoU > 阈值 → 衰减分数 | 保留更多正确框，密集目标好 | 需调参，计算略增 | 医疗、遥感、密集检测 |
| DIoU-NMS | 用 DIoU 衡量相似度 → 抑制 | 考虑定位质量，更合理 | 依赖 DIoU 计算 | 高精度检测（YOLOv5/v7 默认） |
📌 YOLOv8 默认使用 CIoU-NMS（类似 DIoU，增加长宽比约束），进一步优化定位。
💡 六、面试加分回答（STAR 法则）
“在我们的密集人流检测项目中，使用传统 NMS 导致相邻行人框被误删，漏检率达 12%。改用 Soft-NMS
后，通过高斯衰减保留重叠高分框，漏检率降至 5%。后续升级 YOLOv7 后，采用
DIoU-NMS，综合考虑重叠度和中心点距离，漏检率进一步降至 2%，且无额外调参。”
✅ 总结一句话：
NMS 用 IoU 去重，Soft-NMS 用“衰减分数”更温柔，DIoU-NMS 用“距离惩罚”更聪明 ——
三者演进的核心是从“暴力删除”到“智能筛选”。