091、YOLO 检测结果后处理：NMS/Soft-NMS/DIoU-NMS 的适用场景与效果对比

091、YOLO 检测结果后处理：NMS/Soft-NMS/DIoU-NMS 的适用场景与效果对比

从一次线上事故说起

去年做智慧交通项目，摄像头架在十字路口，YOLOv8检测车辆和行人。白天跑得挺好，一到傍晚，车流密集时，检测框开始“打架”——同一辆车被框了三四次，NMS阈值调到0.45还是压不住。更离谱的是，行人被车框直接吞掉，漏检率飙升。当时我盯着终端输出的框坐标，脑子里只有一个念头：NMS这玩意儿，真不是调个阈值就能解决的。

后来排查发现，问题出在密集场景下，常规NMS对重叠框的“一刀切”太粗暴。于是我把NMS换成了DIoU-NMS，漏检率从12%降到3%，推理速度几乎没变。今天这篇笔记，就聊聊这三种后处理方法的真实差异——不是教科书上的公式对比，而是你调试时真正会踩的坑。

NMS：最原始，但别迷信它

NMS的逻辑简单到让人放松警惕：选置信度最高的框，干掉所有IoU大于阈值的框，重复直到没框可删。代码写起来三五行，但实际跑起来，你会遇到两个经典问题。

第一个问题：密集目标被误杀。比如一群人站在一起，每个人的框IoU可能超过0.7，NMS会直接保留置信度最高的那个，把其他人全删了。你调低阈值到0.3？那更惨，连稍微靠近的框都被干掉。调高到0.7？重叠框全留着，检测结果像贴了狗皮膏药。我见过有人把阈值设成0.9，结果一张图输出200个框，后处理比推理还慢。

第二个问题：遮挡目标被漏检。车流中，一辆车被另一辆车挡住一半，置信度只有0.4，但它的框