基于C++的YOLOV5在TX2-NX上的实现（二）

接上篇，本篇主要结合代码解释及说明具体实现过程。

const vector colors = {Scalar(255,255,0),Scalar(0, 255, 0),Scalar(0, 255, 255),Scalar(255, 0, 0)};
const float INPUT_WIDTH = 640.0;
const float INPUT_HEIGHT = 640.0;
const float SCORE_THRESHOLD = 0.2;
const float NMS_THRESHOLD = 0.4;
const float CONFIDENCE_THRESHOLD = 0.4;

colors是一个常量容器，可以理解成一个颜色集合，用于表示识别到的不同物体。

INPUT_WIDTH和INPUT_HEIGHT是输入视频图像的宽和高。

CONFIDENCE_THRESHOLD是检测框的置信阈值，当数值大于0.4时，检测框进入下一步处理流程，否则丢弃。

SCORE_THRESHOLD是类别置信阈值，当数值大于0.2时，认为类别识别结果可信，否则丢弃

NMS_THRESHOLD是做检测框非极大值抑制的阈值，IOU（交并比）大于0.4的候选检测框会被删除。

上述常量参数都可以根据实际应用情况进行调整。

这里补充一下nms的基本处理流程

1、根据置信度得分进行排序
2、选择置信度最高的比边界框添加到最终输出列表中，将其从边界框列表中删除
3、计算所有边界框的面积
4、计算置信度最高的边界框与其它候选框的IoU
5、删除IoU大于阈值的边界框
6、重复上述过程，直至边界框列表为空