简述使用非极大值抑制方法筛选yolo输出过程

在 YOLO (You Only Look Once) 目标检测算法中，当模型输出一系列的边界框时，需要使用非极大值抑制 (Non-Maximum Suppression, NMS) 方法来筛选这些边界框，以确保最终输出的边界框数量不会过多，且每个目标只对应一个边界框。

NMS 筛选的步骤如下：

1. 对所有边界框按照分类概率从高到低进行排序；
2. 选择概率最高的边界框，将其加入最终的输出列表中；
3. 遍历所有剩余的边界框，对于每个边界框：
- 如果与输出列表中任意一个边界框的 IoU (Intersection over Union) 值大于阈值，说明它与输出列表中的某个边界框重叠度很高，可以被认为是同一个目标，因此将其丢弃；
- 否则，将其加入最终的输出列表中；
4. 重复步骤 3，直到遍历完所有的边界框。

其中，IoU 值是指两个边界框之间的交集面积与并集面积的比值，可以用来衡量两个边界框之间的重叠程度。NMS 中的阈值是一个超参数，需要根据具体情况进行调整，一般取值在 0.3 到 0.5 之间。