[Day7] 物件偵測關鍵技術 : 非極大值抑制

1. Non-Maximal Suppression (NMS) 概念：
   NMS 是一種後處理方法，用來從多個重疊的預測邊界框中保留最合適的一個，從而避免重複的檢測結果。
   主要目標：在物體檢測模型中，對同一物體通常會產生多個重疊的邊界框，這些邊界框有不同的置信度分數（confidence score）。NMS 通過保留具有最高置信度的邊界框，並移除與之重疊較多且置信度較低的其他邊界框，來減少冗餘檢測。

2. 置信度 (Confidence) 和 IoU (Intersection over Union)：
   置信度：物體檢測模型對某個框中是否包含特定物體的信心程度，數值介於 0 和 1 之間。圖中標示的「Dog: 0.9」和「Dog: 0.4」即是這些邊界框的置信度分數。
   IoU (Intersection over Union)：IoU 是兩個邊界框的重疊程度。具體來說，它是兩個框的重疊面積（Intersection）除以兩個框的聯合面積（Union）的比例。當兩個框的 IoU 大於某個閾值（例如 0.4）時，表示它們重疊得比較多，NMS 會選擇置信度較高的框，並移除重疊的置信度較低的框。
   IoU 計算公式： IoU=Area of OverlapArea of UnionIoU = \frac{\text{Area of Overlap}}{\text{Area of Union}}IoU=Area of UnionArea of Overlap​
   這個公式被用來計算兩個框的重疊比例，以確定是否應該進行抑制。

3. NMS 的工作機制：
   NMS 的核心思想是：對所有的邊界框進行排序，根據置信度從高到低依次處理：
   選擇置信度最高的框，作為保留框。
   計算其他框與此保留框的 IoU，若 IoU 大於指定的閾值（如 0.5），則刪除該框。
   重複此過程直到沒有剩餘的框。