非極大值抑制

偵測器跑完後，單一個真實物件通常會觸發許多重疊的框——相鄰的錨框與格點全都對同一隻狗反應。非極大值抑制就是把每一團近乎重複的框收斂成一個的清理步驟。直覺是一條簡單的委員會規則：在明顯描述同一件事物的框當中，保留最有信心的那個，捨棄其餘。

經典的貪婪演算法（逐類別執行）：把所有框依信心排序；取最頂端的框並接受它；移除剩下每一個與這個被接受框的 IoU 超過門檻（常用 0.5）的框；對剩下的重複此程序，直到沒有框為止。被接受的框即為最終偵測。IoU 門檻是關鍵旋鈕——太高，兩個真正不同但相近的物件會同時存活（誤報）；太低，真正的第二個物件會被抹除（漏偵）。

貪婪 NMS 有個已知的失效情形：在人群中，兩個不同物件可能合理地大量重疊，而硬性抑制會刪掉其中一個。Soft-NMS 對此的解法是：不刪除重疊框，而是依重疊程度衰減其分數，使重疊強烈的鄰居被降級、但若原本非常有信心仍可能存活。其他變體還包括加權框融合（對重疊框取平均）與類別無關 NMS（當一個區域只可能是一個物件時跨類別抑制）。

NMS 是一個不可微、手工打造的後處理步驟，有自己要調的門檻，而且是在網路之後執行，並非被學習出來的。這在哲學上並不令人滿意，在密集場景中更是真正的瓶頸——這正是 DETR 與其他集合預測偵測器之所以因完全移除 NMS 而備受推崇的原因：它們以二分匹配損失訓練，迫使每個物件恰好由一個預測認領，因此根本不會產生重複框。