帮我把以下函数翻译成C++ def py_nms(dets, thresh): """Pure Python NMS baseline.""" # x1、y1、x2、y2、以及score赋值 # （x1、y1）（x2、y2）为box的左上和右下角标 x1 = dets[:, 0] y1 = dets[:, 1] x2 = dets[:, 2] y2 = dets[:, 3] scores = dets[:, 4] # 每一个候选框的面积 areas = (x2 - x1 + 1) * (y2 - y1 + 1) # order是按照score降序排序的 order = scores.argsort()[::-1] # print("order:",order) keep = [] while order.size > 0: i = order[0] keep.append(i) # 计算当前概率最大矩形框与其他矩形框的相交框的坐标，会用到numpy的broadcast机制，得到的是向量 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:]]) # 计算相交框的面积,注意矩形框不相交时w或h算出来会是负数，用0代替 w = np.maximum(0.0, xx2 - xx1 + 1) h = np.maximum(0.0, yy2 - yy1 + 1) inter = w * h # 计算重叠度IOU：重叠面积/（面积1+面积2-重叠面积） ovr = inter / (areas[i] + areas[order[1:]] - inter) # 找到重叠度不高于阈值的矩形框索引 inds = np.where(ovr <= thresh)[0] # print("inds:",inds) # 将order序列更新，由于前面得到的矩形框索引要比矩形框在原order序列中的索引小1，所以要把这个1加回来 order = order[inds + 1] return keep

以下是将该函数翻译为 C++ 的代码，需要注意的是，由于该函数使用了 numpy 库，因此需要先引入该库，并使用对应的函数来替换原函数中的 numpy 函数。

#include<iostream>
#include<vector>
#include<numeric> // for iota
#include<algorithm> // for sort

using namespace std;

vector<int> py_nms(vector<vector<float>> dets, float thresh) {
    // 定义变量
    vector<float> x1, y1, x2, y2, scores, areas;
    for (auto det: dets) {
        x1.push_back(det[0]);
        y1.push_back(det[1]);
        x2.push_back(det[2]);
        y2.push_back(det[3]);
        scores.push_back(det[4]);
        areas.push_back((det[2] - det[0] + 1) * (det[3] - det[1] + 1));
    }

    // 对 scores 进行降序排序，返回的是排序后的下标
    vector<int> order(scores.size());
    iota(order.begin(), order.end(), 0);
    sort(order.begin(), order.end(), [&](int i, int j) {return scores[i] > scores[j];});

    vector<int> keep;
    while (order.size() > 0) {
        int i = order[0];
        keep.push_back(i);

        // 计算交集的坐标，使用 max 和 min 函数代替 np.maximum 和 np.minimum 函数
        vector<float> xx1, yy1, xx2, yy2;
        for (int j = 1; j < order.size(); j++) {
            xx1.push_back(max(x1[i], x1[order[j]]));
            yy1.push_back(max(y1[i], y1[order[j]]));
            xx2.push_back(min(x2[i], x2[order[j]]));
            yy2.push_back(min(y2[i], y2[order[j]]));
        }
        vector<float> w = vector<float>(xx1.size()), h = vector<float>(xx1.size());
        transform(xx1.begin(), xx1.end(), xx2.begin(), w.begin(), [](float a, float b) {return max(float(0), b - a + 1);});
        transform(yy1.begin(), yy1.end(), yy2.begin(), h.begin(), [](float a, float b) {return max(float(0), b - a + 1);});
        vector<float> inter = vector<float>(w.size());
        transform(w.begin(), w.end(), h.begin(), inter.begin(), multiplies<float>());

        // 计算 IOU，使用 max 函数代替 np.maximum 函数
        vector<float> ovr = vector<float>(inter.size());
        for (int j = 0; j < inter.size(); j++) {
            ovr[j] = inter[j] / (areas[i] + areas[order[j+1]] - inter[j]);
        }

        // 找到重叠度不高于阈值的矩形框索引
        vector<int> inds;
        for (int j = 0; j < ovr.size(); j++) {
            if (ovr[j] <= thresh) {
                inds.push_back(j);
            }
        }

        // 更新 order 序列
        vector<int> new_order(inds.size());
        transform(inds.begin(), inds.end(), new_order.begin(), [&](int ind) {return order[ind+1];});
        order = new_order;
    }

    return keep;
}

需要注意的是，该 C++ 代码中使用了 `transform` 函数来代替原函数中的 numpy 广播机制，`multiplies<float>()` 函数来代替 `*` 运算符。此外，为了方便排序，我们引入了 `<numeric>` 头文件中的 `iota` 函数，该函数用于生成一个序列（从 0 开始），并将其存储到一个 vector 中。