01

60 秒回答模板

NMS 用来去掉目标检测中的重复框。实现时先按 score 从高到低排序，取最高分框加入结果，然后计算它和剩余框的 IoU，把 IoU 大于阈值的框删掉；再从剩余框里继续取最高分，重复直到没有候选框。多类别检测通常按类别分别做 NMS。复杂度主要来自排序和两两 IoU 计算，工程上会用向量化、topK 或 batched NMS 优化。

考点 按 score 贪心
难度 真实面经题
回答目标 讲清方法、取舍和追问
02

深入解析

01

先按分数排序

输入是检测框、类别和置信度。先按 score 降序排列，保证每轮优先处理当前最可信的候选框，这是 NMS 贪心策略的基础。

02

保留最高分框

每轮取当前最高分框加入最终结果，然后把它作为基准框，与剩余候选框逐个计算 IoU，判断是否属于同一个目标的重复预测。

03

按 IoU 阈值抑制

如果某个候选框和基准框的 IoU 超过阈值，就认为重叠过高，将其删除；低于阈值的框继续保留，参与后续轮次。

04

多类别要分别处理

常见做法是同一类别内做 NMS，避免不同类别的框互相抑制。多标签或类别混淆场景要明确类别维度和阈值策略。

05

实现关注复杂度

朴素 NMS 需要排序和多轮 IoU 计算，框很多时成本高。工程中会先做 score 阈值过滤、topK 截断、向量化计算或使用框架内置 batched NMS。

javascript

按 score 排序后的朴素 NMS

function nms(boxes, threshold) {
  const order = [...boxes].sort((a, b) => b.score - a.score);
  const keep = [];

  while (order.length > 0) {
    const current = order.shift();
    keep.push(current);
    for (let i = order.length - 1; i >= 0; i -= 1) {
      if (iou(current, order[i]) > threshold) {
        order.splice(i, 1);
      }
    }
  }

  return keep;
}
  • `iou` 需要明确框坐标格式，例如 `[x1, y1, x2, y2]` 还是 `[x, y, w, h]`。
  • 多类别检测通常先按类别分组，再分别执行 NMS，避免不同类别互相抑制。
03

易错点

  • 不要忘记先按 score 排序，否则贪心保留的不是最高置信度框。
  • 不要把 IoU 大于阈值理解成保留条件，普通 NMS 通常是抑制条件。
  • 不要在多类别检测中让不同类别无差别互相删除。
04

面试官追问

IoU 怎么计算？

IoU 等于两个框交集面积除以并集面积，需要先求交集矩形，再计算面积。

NMS 有什么缺点？

遮挡或密集目标中，真实相邻目标可能被误删；阈值选择也会影响召回和精度。

Soft-NMS 和普通 NMS 区别是什么？

Soft-NMS 不直接删除高重叠框，而是降低其分数，能在密集场景保留更多候选。