遍历所有类别，提取当前类别信息：位置信息、类别概率。 过滤同一类别的预测框。
# NMS (第二次筛选) -> bbox_pred, scores, cls_inds
keep = np.zeros(len(bbox_pred), dtype=np.int) # 继续需要保留的bbox(n,). 0/1. 1 is keep.
for i in range(self.num_classes): # 遍历类别，每次处理同一个类别的所有
inds = np.where(cls_inds == i)[0] # 找到类别i的索引
if len(inds) == 0: # 不存在类别数为i
continue
c_bboxes = bbox_pred[inds] # 根据类别的索引，找到位置信息 (num_bbox_i_cls,4)
c_scores = scores[inds] # 类别概率 (num_bbox_i_cls,)
c_keep = self.nms(c_bboxes, c_scores) # (num_bbox_i_cls,4), (num_bbox_i_cls,)。返回类别i需要保留的bbox索引
keep[inds[c_keep]] = 1 # 根据类别ic_bboxes中需要保留的索引c_keep，找到bbox_pred原始索引位置inds[c_keep]。
keep = np.where(keep > 0)
bbox_pred = bbox_pred[keep]
scores = scores[keep]
cls_inds = cls_inds[keep]目的：过滤同一类别的预测框；
过滤用到的信息：位置、类别概率。
方法：
- （1）将预测框类别概率从大到小排序；
- （2）添加最大概率对应的预测框M到最终预测框中；
- （3）分别计算预测框与其他剩余所有框之间交并比，保留交集小的预测框；
- （4）从（2）开始重复，直到保留的预测框为0.
def nms(self, bboxes, scores):
""""
Pure Python NMS baseline.
:param bboxes: (m,4). bboxes[0] = [xmin, ymin, xmax, ymax]。
属于某个类别的所有预测框位置
:param scores: (m,). 属于某个类别的所有预测框分数
:return
keep: 需要保留的所有预测框的索引。
"""
x1 = bboxes[:, 0] # xmin. (m,)，所有预测框的左上角
y1 = bboxes[:, 1] # ymin. (m,)
x2 = bboxes[:, 2] # xmax. (m,)，所有预测框的右下角
y2 = bboxes[:, 3] # ymax. (m,)
areas = (x2 - x1) * (y2 - y1) # the size of bbox. 计算所有预测框的面积
order = scores.argsort()[::-1] # sort bounding boxes by decreasing order 概率递减。
# order记录是递减序列元素的原始scores位置索引
keep = [] # store the final bounding boxes
while order.size > 0:
i = order[0] # the index of the bbox with highest confidence
keep.append(order[0]) # save it to keep。记录分数最高类别M的原始位置索引
# 将类别M的框分别与其他所有剩下的框求交集，求坐标最大值得交集的左上角坐标，最小值得交集的右下角坐标
xx1 = np.maximum(x1[order[0]], x1[order[1:]]) # (num_bbox-1, ) 将类别M的框分别与其他所有剩下的框求交集
yy1 = np.maximum(y1[order[0]], y1[order[1:]]) # (num_bbox-1, ) 求最大值，得到交集的左上角
xx2 = np.minimum(x2[order[0]], x2[order[1:]]) # 求最小值，得到交集的右下角，可画一个示意图。
yy2 = np.minimum(y2[order[0]], y2[order[1:]])
w = np.maximum(1e-28, xx2 - xx1) # (num_bbox-1, ) 分别求与M交集的宽，必须大于0
h = np.maximum(1e-28, yy2 - yy1) # 分别求与M交集的高，必须大于0
inter = w * h
# Cross Area / (bbox + particular area - Cross Area)，分别计算M与其他所有框之间的交集/并集
ovr = inter / (areas[order[0]] + areas[order[1:]] - inter) # (num_bbox-1, )
# reserve all the boundingbox whose ovr less than thresh
inds = np.where(ovr <= self.nms_thresh)[0] # 保留与M交集小的。交集小说明预测的可能是同一个目标。
order = order[inds + 1] # 记录剩下的与M交集小的原始位置索引。inds是ovr交集的索引，对应到所有预测框order的索引需要加1.
# 然后重新遍历，又是将第一个，即分数最大的保留，查看后面其他与它的交集情况。
return keep
