NMSBoxes参数需协同设置：score_threshold宜取0.25–0.45（非直觉0.5），nms_threshold推荐0.45起步，小目标可降至0.3、大目标可升至0.6；务必确保boxes为cv::Rect(x,y,w,h)格式且坐标已正确还原至像素级，scores长度须严格匹配，并按类别分组调用以避免跨类误抑制。
cv::dnn::NMSBoxes 参数到底怎么填才不漏框、不误删
直接说结论：NMSBoxes 的 score_threshold 和 nms_threshold 不是越大越好，也不是越小越“严格”。填错一个，要么满屏杂框，要么目标直接消失。尤其在 YOLO 类模型上，score_threshold 通常得设在 0.25–0.45 区间，而不是直觉上的 0.5；nms_threshold 推荐从 0.45 开始试，密集小目标可降到 0.3，大目标可升到 0.6。
常见错误现象：
- 调高
score_threshold后，低置信度但真实的目标（如远距离、遮挡、侧脸）全被砍掉 - 调低
nms_threshold导致同一物体只剩一个框，但框位置偏移严重（因为被抑制的是“得分次高但坐标更准”的那个） - 传入的
boxes坐标不是[x1, y1, x2, y2]格式，而是中心点+宽高，结果NMSBoxes内部 IoU 计算全错
实操建议：
- 确保
boxes是std::vector<:rect></:rect>或等效的std::vector<:vector>></:vector>，每个元素为{x, y, width, height}—— 注意！OpenCV C++ 版NMSBoxes接收的是Rect形式，不是[x1,y1,x2,y2]；若你手头是归一化后的 xywh，先用cv::Rect(x, y, w, h)构造 -
scores必须是std::vector<float></float>，长度和boxes严格一致 - 别忽略返回值类型：C++ 版返回的是
std::vector<int></int>（索引数组），不是布尔掩码，记得用它去索引原boxes和scores
YOLO 输出解码后，为什么 NMS 结果坐标还是错位
根本原因不在 NMSBoxes，而在它前面的坐标还原没对齐。YOLO 模型输出的是归一化坐标（0~1），且多数采用 letterbox 缩放，但 NMSBoxes 不做任何归一化逆操作——它只管算 IoU。如果你把未还原的归一化坐标直接喂进去，NMS 逻辑本身没错，但 IoU 值完全失真。
立即学习“C++免费学习笔记（深入）”；
正确链路必须是：
- 模型输出 → 解析出原始 xywh（归一化）→ 乘以原始图像宽高 → 得到像素级 xywh
- 再转成
cv::Rect（注意：YOLO 的 xywh 是中心点+宽高，需转为左上+宽高：Rect(x - w/2, y - h/2, w, h)） - 最后才进
NMSBoxes
容易踩的坑：
- 用了
cv::dnn::blobFromImage的scalefactor=1.0/255.0，但忘了模型训练时是否还做了 channel mean subtract（比如 ImageNet 的 [104,117,123]），预处理和后处理不对称会导致坐标偏移 - 输入图像是 letterbox resize（如 640×640 输入，原始 1280×720），但还原时直接乘了 640，没按实际缩放比例和 padding 偏移校正
- 多尺度检测（如 YOLOv3 三个 head）合并 boxes 时，不同 head 的归一化基准不一致，混在一起 NMS 前没统一映射到同一尺寸空间
如何让 NMS 按类别分别执行（避免人压住车框）
默认 NMSBoxes 是全局抑制，同一位置不同类别的框也会互相踢。但在真实场景中，人站在车前，你希望人框和车框都保留，而不是高分的人框把低分的车框抑制掉。这时必须按类别分组处理。
实操步骤：
- 遍历所有检测结果，按
classId分组，每组维护独立的boxes、scores、classIds向量 - 对每一组调用一次
NMSBoxes，得到该类别的保留索引 - 把各组索引合并成最终结果，再统一绘制
性能提示：
- 类别数少（
- C++ 中不要用
std::map<int std::vector>></int>动态分组，改用std::vector<:vector>></:vector>配合已知类别数预分配，避免 map 查找延迟
OpenCV 4.5.4+ 的 NMSBoxes 有什么隐藏行为
从 OpenCV 4.5.4 起，NMSBoxes 默认启用了自适应 NMS（adaptive thresholding），由 eta 参数控制，默认为 1.0（即关闭）。但如果你显式传入 eta ，它会按迭代方式衰减 <code>nms_threshold，这在多尺度或金字塔检测中有效，但在标准 YOLO 单尺度推理中反而导致漏检。
关键细节：
-
top_k参数为 0 表示不限制输出数量，但某些旧版 OpenCV（ - 当输入
boxes少于 2 个时，部分版本（如 4.5.5）会直接返回空indices，不报错也不警告，需前置判空 - ARM 平台（如树莓派）上，浮点精度差异可能导致相同
nms_threshold在 x86 和 aarch64 上 NMS 结果不一致，建议固定用float而非double，并避免依赖“恰好相等”的 IoU 边界值
最常被忽略的一点：NMSBoxes 不做任何内存管理，所有输入 vector 都是只读引用，但它内部会做排序拷贝。如果你在循环里高频调用，且 boxes 很大（>1000 个），建议复用 std::vector 对象并调用 .clear()，而不是每次都 new + delete。
