NMS代码说明（来自Fast-RCNN）
个人觉得NMS包含很多框，其坐标为（x1,y1,x2,y2）,每个框对应了一个score，我们将按照score得分降序，并将第一个最高的score的框（我们叫做标准框）作为标准框与其它框对比，即计算出其它框与标准框的IOU值，然后设定阈值，与保留框的最大数量，若超过阈值，就删除该框，以此类推，所选框最大不能超出设定的数量，最后得到保留的框，结束NMS
接下来，请看代码：
import numpy as np
def py_cpu_nms(dets, thresh):
"""Pure Python NMS baseline."""
x1 = dets[:, 0]
y1 = dets[:, 1]
x2 = dets[:, 2]
y2 = dets[:, 3]
scores = dets[:, 4]
areas = (x2 - x1 + 1) * (y2 - y1 + 1) # 我认为xy坐标应该包含了（0，0）坐标，所以需要+1（个人是这么认为）
order = scores.argsort()[::-1] # [::-1]表示降序排序，输出为其对应序号
keep = [] #需要保留的bounding box
while order.size > 0:
i = order[0] #取置信度最大的（即第一个）框
keep.append(i) #将其作为保留的框
#以下计算置信度最大的框（order[0]）与其它所有的框（order[1:]，即第二到最后一个）框的IOU，以下都是以向量形式表示和计算
xx1 = np.maximum(x1[i], x1[order[1:]]) #计算xmin的max,即overlap的xmin
yy1 = np.maximum(y1[i], y1[order[1:]]) #计算ymin的max,即overlap的ymin
xx2 = np.minimum(x2[i], x2[order[1:]]) #计算xmax的min,即overlap的xmax
yy2 = np.minimum(y2[i], y2[order[1:]]) #计算ymax的min,即overlap的ymax
w = np.maximum(0.0, xx2 - xx1 + 1) #计算overlap的width，我认为xy坐标应该包含了（0，0）坐标，所以需要+1（个人是这么认为）
h = np.maximum(0.0, yy2 - yy1 + 1) #计算overlap的hight
inter = w * h #计算overlap的面积
ovr = inter / (areas[i] + areas[order[1:]] - inter) #计算并，-inter是因为交集部分加了两次。
inds = np.where(ovr <= thresh)[0] #本轮，order仅保留IOU不大于阈值的下标坐标，但是是从第二个数开始当成第一个数
order = order[inds + 1] #删除IOU大于阈值的框，因为从第二个数开始，当作第一个数，所以需要+1，如[1,2,3,4],将从[2,3,4]开始，
#若选择第一个数2，下标为0，所以需要+1，才能对应原来数[1,2,3,4],选择为2.
return keep
单独对这句话的理解，如下：
