将NMS就必须先讲IOU，
IOU就是交并比，两个检测框的交集除以两个检测框的并集就是IOU
为什么要做NMS操作，因为要去除同一个物体的多的冗余检测框
那么NMS算法是如何做的呢？
以上是算法的流程图
下面讲解算法的流程
首先输入是预测框的集合B，置信度分数S，IoU的阈值 τ \tau τ，以及置信度的阈值T
①首先我们创建一个过滤后的检测框的集合F
将这个集合设为空集进行初始化
②根据置信度的阈值过滤已有的预测框，根据我们设置的置信度的阈值T，假设我们现在设置阈值T为0.7，那么现有的置信度小于0.7的检测框就都被排除掉了，剩下的大于0.7的才能入选到预测框的集合B中去。
比如对于上面这张图，设置置信度阈值为0.7的话，这个左边的置信度为0.3的检测框就不可能作为B集合中的一部分了。
③对于入选B集合的检测框，我们按照置信度分数进行排序，因为如果要保留检测框，肯定是希望保留置信度更高的。
④做一个while循环，只要B集合不为空
⑤从B集合中选择置信度最高的检测框b，放到我们最终需要的返回结果F集合中，b肯定有冗余框，但是不要紧，为什么呢？因为b是置信度分数最高的，就算要删除冗余框，b也是会被保留下来的。
⑥对于B集合中剩下的检测框，我们逐个将其与b做IoU的计算，这个计算结果只要大于IoU的阈值 τ \tau τ，就可以视作是b的冗余检测框，从B中删除
循环重复上面的过程，直至B变为一个空集合