faster rcnn测试阶段中非极大值抑制代码过程

在 Faster R-CNN 的测试阶段，检测到的目标可能会出现重叠的情况，此时需要使用非极大值抑制（Non-Maximum Suppression，NMS）来剔除冗余的目标框。NMS 的过程如下：

1. 对于每个类别，按照预测得分（即置信度）从高到低排序。
2. 取出得分最高的目标框，并将其加入最终的输出列表中。
3. 计算其余目标框与该目标框的重叠面积（Intersection over Union，IoU）。
4. 如果重叠面积大于一定阈值（例如0.5），则将该目标框从列表中删除，否则保留。
5. 重复步骤2-4，直到所有目标框都被处理完。

下面是 NMS 的代码实现过程：

def nms(dets, thresh):
    # dets: [num_boxes, 5]，其中每行的前4个元素为左上角和右下角坐标，第5个元素为得分
    x1 = dets[:, 0]
    y1 = dets[:, 1]
    x2 = dets[:, 2]
    y2 = dets[:, 3]
    scores = dets[:, 4]

    areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    order = scores.argsort()[::-1]

    keep = []
    while order.size > 0:
        i = order[0]
        keep.append(i)
        xx1 = np.maximum(x1[i], x1[order[1:]])
        yy1 = np.maximum(y1[i], y1[order[1:]])
        xx2 = np.minimum(x2[i], x2[order[1:]])
        yy2 = np.minimum(y2[i], y2[order[1:]])
        
        w = np.maximum(0.0, xx2 - xx1 + 1)
        h = np.maximum(0.0, yy2 - yy1 + 1)
        inter = w * h
        iou = inter / (areas[i] + areas[order[1:]] - inter)
        
        inds = np.where(iou <= thresh)[0]
        order = order[inds + 1]

    return keep

其中，`dets` 是包含所有目标框的数组，每行的前4个元素为左上角和右下角坐标，第5个元素为得分。`thresh` 是阈值，用于控制目标框之间的重叠面积。函数返回一个列表 `keep`，包含保留的目标框的索引。