交并比 iou
作者:互联网
交并比
在判定预测框和真实框之间的准确度的时候,我们可以用iou进行量化,如下图,黑框为真实框,红框为预测框,
- 并集:橙色部分面积+蓝色部分面积
- 交集:蓝色部分面积
通过计算 交集 / 并集 的比值来量化预测结果的准确度,如果为1表示预测框和真实框重合
def box_iou(box, boxes):
"""
:param box: [4,](x1,y1,x2,y2)
:param boxes: [n,4]
:return: [n]
"""
# box 面积
box_area = ((box[2] - box[0] + 1) * (box[3] - box[1] + 1))
# boxs 面积 [n,]
boxes_area = (boxes[:, 2] - boxes[:, 0] + 1) * (boxes[:, 3] - boxes[:, 1] + 1)
# 重叠部分左上右下坐标
xx1 = np.maximum(box[0], boxes[:, 0])
yy1 = np.maximum(box[1], boxes[:, 1])
xx2 = np.minimum(box[2], boxes[:, 2])
yy2 = np.minimum(box[3], boxes[:, 3])
# 重叠部分长宽
w = np.maximum(0, xx2 - xx1 + 1)
h = np.maximum(0, yy2 - yy1 + 1)
# 计算重叠面积
inter = w * h
iou = inter / (box_area + boxes_area - inter + 1e-10)
return iou
标签:box,area,iou,maximum,np,boxes,交并 来源: https://blog.csdn.net/xf8964/article/details/110282986