请阐述非极大值抑制（NMS，Non Maximum Suppression）算法的工作机制，包括其核心思想、执行流程以及主要作用。
考察说明
考查对目标检测后处理中NMS算法的原理理解与实现细节。
回答思路
- 【回答框架 1】NMS是一种用于去除冗余检测框的后处理算法，核心思想是保留局部极大值，抑制非极大值，即对同一目标的众多候选框，仅保留得分最高且与其重叠度高的框。其工作原理基于目标检测网络输出的候选框及其置信度分数。
- 【回答框架 2】执行流程通常为：首先按置信度对所有候选框降序排序，将最高分框加入最终保留列表。然后依次遍历其余框，计算当前框与已保留最高分框的交并比（IoU），若IoU超过预设阈值（如0.5），则将该框抑制（丢弃）；否则保留。重复此过程直至处理完所有候选框。
- 【回答框架 3】NMS主要解决目标检测中同一目标产生大量重叠框的问题，通过去除冗余框来简化输出，提升检测精度和效率。关键参数是IoU阈值，阈值过高会导致误检增多，过低则可能漏检。此外，NMS还可以在类别内部单独执行，以处理多类别目标检测场景。
- 【回答框架 4】NMS的常见变种包括Soft-NMS，它并非直接抑制高IoU框，而是按IoU大小衰减其置信度，从而在一定程度上保留部分重叠的目标，减少漏检。更进阶的方法如Softer-NMS、IoU-guided NMS等则考虑定位置信度，进一步优化框的选择。
- 【回答框架 5】在实际应用中，NMS通常运行在CPU上，其计算复杂度为O(n^2)，其中n为候选框数量。当候选框数量很大时，可能成为性能瓶颈，因此常会结合按类别分组、或使用GPU并行化等手段进行优化。
- 【关键点 1】NMS按置信度排序，递归抑制与最高分框IoU超过阈值的框，保留局部极大值框。
- 【关键点 2】IoU阈值是NMS的核心参数，影响检测结果的精确率与召回率。
- 【关键点 3】Soft-NMS通过置信度衰减替代硬抑制，可改善密集场景下重叠目标的漏检问题。
- 【易错点 1】IoU阈值设置不当：阈值过高导致误检（多个重叠框保留），过低导致漏检（真正目标被抑制）。
- 【易错点 2】直接对所有类别进行统一的NMS可能错杀不同类别的重叠目标，应按类别分别执行NMS。
- 【易错点 3】NMS不区分目标实例，仅依赖IoU，当两个不同目标高度重叠时仍可能错误抑制其中一个框。