YOLOV8改进：soft-nms、DIOU-nms、SIOU-nms、EIOU-nms、WIOU-nms_yolov8 nms

1.nms介绍

1.1 nms

NMS（Non-Maximum Suppression，非极大值抑制）是一种常用的目标检测算法，用于抑制冗余的边界框，保留最具代表性的目标框。

在目标检测任务中，通常会生成多个候选边界框（bounding box），每个边界框都对应着一个可能的目标。然而，由于图像中可能存在多个重叠的边界框，为了提取出最准确的目标框，需要使用NMS来进行筛选。

NMS的基本原理如下：

1. 首先，根据目标框的置信度（或者其他评分指标），按照降序排列所有的候选框。
2. 选择具有最高置信度的框，并将其添加到最终输出的结果列表中。
3. 对于剩余的候选框，计算它们与已选框之间的重叠区域的面积（例如，使用交并比IoU）。
4. 如果某个候选框与已选框的重叠面积大于设定的阈值（通常为0.5），则将该候选框舍弃；否则，将其添加到最终输出的结果列表中。
5. 重复步骤3和步骤4，直到处理完所有的候选框。
6. 得到最终的输出结果列表，其中包含经过非极大值抑制筛选后的目标框。

通过使用NMS，能够有效地减少冗余的目标框，只保留最具代表性的目标框，提高目标检测的准确性和效率。NMS在各种目标检测算法中都得到了广泛应用，如Faster R-CNN、YOLO等

1.2 Soft-NMS   </