在深度学习的建模与优化过程中，因为大多数需要解决的现实问题不像方程式一样有闭式解，所以需通过建立一个损失函数，使得模型的预测结果无限靠近真实值。具体方法就是将损失函数的损失值尽可能降低，也就是求损失函数的极值。
在目标检测中预测网络通常会产生大量的预测候选框（Anchor Box/Bounding Box），而且预选框的数量要远远大于被检测的目标数。这时需要用到非极大值抑制来消除掉不需要的候选框。
