一、
对于目标检测的预测阶段，后处理是对于非常重要的，对于 YOLO 而言，后处理就是把复杂的预测出来的 98 个预测框，进行筛选、过滤，把重复的预测框只保留一个，最终获得目标检测的结果。包含把低置信度的框过滤掉，以及把重复的过滤框去掉，只保留一个，那么这个步骤称为 NMS 非极大值抑制。
二、具体做法
首先，YOLO 是一个黑箱，在预测阶段把输入图像 448 X 448 X 3 通道的图像，进行编码、压缩处理，经过卷积层、全连接层，最后获得 7 X 7 X 30 维的张量，后处理就是把 7 X 7 X 30 维的张量变成最后的目标检测结果。
三、7 X 7 X 30 维的张量如何变成最终目标检测结果
1、
7 X 7 意味着是 7 X 7 个 grid cell（网格单元），取出其中的一个 grid cell（网格单元）来看，应该包含 30 个数字，30 个数字是由 5，5，20 构成，第一个 5 是第一个 bounding boxes （边界框）的四个位置坐标和一个置信度坐标，第二个 5 是第二个 bounding boxes （边界框）的四个位置坐标和一个置信度坐标，20 是该 grid cell（网格单元）对 20 个类别的条件概率，即假设该grid cell（网格单元）预测物体的条件下，20 个类别的概率是多少。
2、
假设 bounding boxes （边界框）负责预测物体的条件下，它是某个类别的概率，是狗的概率、猫的概率等。
3、
把20个类别的条件概率拿出来，与 bounding boxes （边界框）的置信度相乘，条件概率乘以条件本身发生的概率，就变成了它的全概率，就是说该bounding boxes （边界框）包含物体的概率就是它的置信度乘以在包含物体的条件下，各个类别的概率，那么就得到了真正是哪个类别的概率，不再是条件概率。第一个预测框的置信度乘以该grid cell（网格单元）的20个类别的条件概率得到第一个预测框的20个类别的全概率。
4、
第二个预测框的置信度乘以该grid cell（网格单元）的20个类别的条件概率得到第二个预测框的20个类别的全概率。
5、
每一个grid cell（网格单元）都能获得两个 20 维的全概率，分别表示两个预测框。
6、
一共 49 个 grid cell（网格单元），生成 98 个 20 维的向量。每一列表示，对于某一个bounding boxes （边界框）而言，20 个类别的概率是多少。
7、
目前获得中间的图。那么如何获得最后的类别结果？
四、后处理
1、
即把 7 X 7 X 30 的张量变成最终的目标检测结果。
2、
目前获得 98 个竖条（长度均为 20 ），第一个数字就是狗的概率。假如说狗是 20 个类别中的第一个类别。这些概率里面有一些很小的，如0.002，0.003等，那么我们设置一个阈值，把所有小于阈值的数，一律归为 0 ，那么很多概率就是 0 ，再按照狗的概率的高低排序，把狗的概率高的放在前面，低的放在后面，再对排序之后的结果进行非极大值抑制 NMS。
3、非极大值抑制 NMS 如何操作？
1、
比如目前获得的 98 个竖条中，某几个竖条中狗的概率不是 0 ，并且是从高到低排序的。
2、
先把最高的拿出来，之后把每一个都跟最高的作比较。比如拿第一个跟第二个比较，如果它两个的IOU（交并比）大于某一个阈值，我们认为两者重复识别了一个物体，就把低概率的过滤掉。阈值可以调节，如果阈值很低的话，比如 0.1 ，NMS 是非常强的，稍微跟黄框有一丁点重叠，就被替掉了；而如果阈值设置的很高，需要另外一个框与黄框有非常高的重合才可能被替掉。所以如果想加强 NMS，可以把阈值设置的低一些。
3、
再看第二高的，因为 bb20 已经被淘汰，所以看 bb15，把后面所有比 0.2 低的框和蓝框比较，IOU（交并比）大于 0.5，所以将其归 0。
4、
橙框和蓝框两个结果。其他一律都被归 0 。这就是 NMS 的流程。这只是对狗这一个类别，那么对每一个类别都应该这样操作，就获得了最终的目标检测结果。
5、
20个类别，就进行20次的NMS非极大值抑制。
6、
最后结果是一个稀疏矩阵，将很多值设为 0 了，如果不为0，将其拿出，将其的类别和分数拿出，作为目标检测的结果。上图中 bb3，bb4，bb97有一些类别是不为0的，把不为0的类别索引找出来，即把它代表什么找出来，再把它的概率找出来，可视化在目标检测结果上，就获得最终的目标检测结果。
在训练阶段是不需要进行NMS的，因为每一个框都在损失函数中占据一席之地，都会影响损失函数，所以不能随便在训练阶段把预测框替换掉，把概率抹零。只是在预测阶段，在已经训练出来这个模型之后，进行待测图片的预测的时候，才需要通过后处理，把低置信度的框过滤掉，再把重复识别同样物体的重复框只挑出一个。
