---
title: "非極大值抑制（Non-Maximum Suppression）"
slug: non-maximum-suppression
language: zh-TW
source: https://aiterms.tw/terms/non-maximum-suppression
updated_at: 2026-04-29
tags: [電腦視覺, 深度學習, 模型評估, AI應用]
ipas_term: false
---

# 非極大值抑制（Non-Maximum Suppression）

> **你有沒有看過物件偵測模型，明明只是一隻貓，卻框出好幾個重疊框？**
> 你可以把它想成把重複的框整理掉，只留下分數最高、最像真的那一個。
> NMS 的工作就是清掉重複偵測，讓結果乾淨，不會一個物件被框十次。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
>
### 容易混淆

> **NMS vs IoU**
> NMS：後處理流程，用來刪重複框
> IoU：衡量兩個框重疊多少的指標
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
> **NMS vs Soft-NMS**
> NMS：超過閾值就直接壓掉
> Soft-NMS：不是刪除，而是慢慢降分數
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
### 記住這句就好

> 重疊太多的框，只留最好的。
>
### 實際案例

> **車輛偵測**
> 模型同時框到同一台車的前半和後半，NMS 會保留最可信的框。
>
> **人臉偵測**
> 多人臉場景裡，重疊框很多，NMS 讓畫面不會亂掉。
>
### 算法與應用

> NMS 通常先依分數排序，再逐一比較 IoU，將高度重疊的框刪掉。
> 閾值設太高，可能留下太多重複框；設太低，又可能誤刪正確框。
> 它是物件偵測裡最典型的後處理步驟之一。
>
### 情境判斷

> **Q1（直覺題）：模型對同一隻狗畫了四個框，你想保留最好的那個，該用什麼？**
> → 非極大值抑制。
>
> **Q2（判斷題）：如果框與框幾乎不重疊，NMS 還會刪很多嗎？**
> → 不會，因為它主要針對重疊很高的候選框。
>
### 常見問題

> **Q：NMS 會不會把真實框刪掉？**
> 有可能，所以閾值要調得剛好。
>
> **Q：它只用在物件偵測嗎？**
> 主要是，但只要有重疊候選要篩選的任務，都可能借用這個概念。
>
> **Q：Soft-NMS 比較好嗎？**
> 常常更平滑，但速度和實作會稍微複雜。
>
### 相關術語

> - **物件偵測**：NMS 是它的標準後處理。
> - **邊界框偵測**：NMS 直接處理的就是這些框。
> - **交並比**：判斷重疊程度的核心指標。
> - **影像分割**：雖然任務不同，但都屬電腦視覺。
> - **YOLO**：常見的偵測模型，最後也會接 NMS。

---

來源：https://aiterms.tw/terms/non-maximum-suppression
快查頁：https://aiterms.tw/terms/non-maximum-suppression
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-non-maximum-suppression