这篇文章主要讲解了python shapely.geometry.polygon如何实现任意两个四边形的IOU计算,内容清晰明了,对此有兴趣的小伙伴可以学习一下,相信大家阅读完之后会有帮助。
在目标检测中一个很重要的问题就是NMS及IOU计算,而一般所说的目标检测检测的box是规则矩形框,计算IOU也非常简单,有两种方法:
1. 两个矩形的宽之和减去组合后的矩形的宽就是重叠矩形的宽,同比重叠矩形的高
2. 右下角的minx减去左上角的maxx就是重叠矩形的宽,同比高
然后 IOU = 重叠面积 / (两矩形面积和—重叠面积)
然,不规则四边形就不能通过这种方式来计算,找了好久数学资料,还是没找到答案(鄙人数学渣渣),最后看了白翔老师的textBoxes++论文源码后,知道python的shapely包可以直接做到,下面给出的代码和注释:
import numpy as np import shapely from shapely.geometry import Polygon,MultiPoint #多边形 line1=[2,0,2,2,0,0,0,2] #四边形四个点坐标的一维数组表示,[x,y,x,y....] a=np.array(line1).reshape(4, 2) #四边形二维坐标表示 poly1 = Polygon(a).convex_hull #python四边形对象,会自动计算四个点,最后四个点顺序为:左上 左下 右下 右上 左上 print(Polygon(a).convex_hull) #可以打印看看是不是这样子 line2=[1,1,4,1,4,4,1,4] b=np.array(line2).reshape(4, 2) poly2 = Polygon(b).convex_hull print(Polygon(b).convex_hull) union_poly = np.concatenate((a,b)) #合并两个box坐标,变为8*2 #print(union_poly) print(MultiPoint(union_poly).convex_hull) #包含两四边形最小的多边形点 if not poly1.intersects(poly2): #如果两四边形不相交 iou = 0 else: try: inter_area = poly1.intersection(poly2).area #相交面积 print(inter_area) #union_area = poly1.area + poly2.area - inter_area union_area = MultiPoint(union_poly).convex_hull.area print(union_area) if union_area == 0: iou= 0 #iou = float(inter_area) / (union_area-inter_area) #错了 iou=float(inter_area) / union_area # iou=float(inter_area) /(poly1.area+poly2.area-inter_area) # 源码中给出了两种IOU计算方式,第一种计算的是: 交集部分/包含两个四边形最小多边形的面积 # 第二种: 交集 / 并集(常见矩形框IOU计算方式) except shapely.geos.TopologicalError: print('shapely.geos.TopologicalError occured, iou set to 0') iou = 0 print(a) print(iou)
具体原理还没弄明白,还在研究中,研究完再给出来(当然数学渣渣能不能研究出来有待商榷*—*)
补充知识:python 二维坐标多边形 计算多边形中心点,以及距该中心点最远的距离
我就废话不多说了,还是直接看代码吧!
def center_geolocation(geolocations): ''' 输入多个经纬度坐标(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]),找出中心点 :param geolocations: :return:中心点坐标 [lon,lat] ''' #求平均数 同时角度弧度转化 得到中心点 x = 0 # lon y = 0 # lat z = 0 lenth = len(geolocations) for lon, lat in geolocations: lon = radians(float(lon)) # radians(float(lon)) Convert angle x from degrees to radians # 把角度 x 从度数转化为 弧度 lat = radians(float(lat)) x += cos(lat) * cos(lon) y += cos(lat) * sin(lon) z += sin(lat) x = float(x / lenth) y = float(y / lenth) z = float(z / lenth) return (degrees(atan2(y, x)), degrees(atan2(z, sqrt(x * x + y * y)))) #得到离中心点里程最近的里程 def geodistance(lon1,lat1,lon2,lat2): ''' 得到两个经纬度坐标距离 单位为千米 (计算不分前后顺序) :param lon1: 第一个坐标 维度 :param lat1: 第一个坐标 经度 :param lon2: 第二个坐标 维度 :param lat2: 第二个坐标 经度 :return: distance 单位千米 ''' # lon1,lat1,lon2,lat2 = (120.12802999999997,30.28708,115.86572000000001,28.7427) lon1, lat1, lon2, lat2 = map(radians, [float(lon1), float(lat1), float(lon2), float(lat2)]) #经纬度转换成弧度 dlon=lon2-lon1 dlat=lat2-lat1 a=sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2 distance=2*asin(sqrt(a))*6371*1000 #地球平均半径,6371km distance=round(distance/1000,3) print(distance) return distance def getMaxestDistance(geolocations,centre): ''' 中心点 距离 多个经纬度左边 最远的距离 :param geolocations: 多个经纬度坐标(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]) :param centre: 中心点 centre [lon,lat] :return: 最远距离 千米 ''' distantces=[] for lon, lat in geolocations: d=geodistance(lat,lon,centre[1],centre[0]) distantces.append(d) # print(distantces) return max(distantces) def getOnePolyygen(geolocations): ''' 输入多个经纬度坐标(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]),找出距该多边形中心点最远的距离 :param geolocations:多个经纬度坐标(格式:[[lon1, lat1],[lon2, lat2],....[lonn, latn]]) :return:center,neartDistance 多边形中心点 最远距离 ''' center=center_geolocation(geolocations) # 得到中心点 neartDistance=getMaxestDistance(geolocations,center) # print(center,"-----------------",neartDistance) return center,neartDistance
看完上述内容,是不是对python shapely.geometry.polygon如何实现任意两个四边形的IOU计算有进一步的了解,如果还想学习更多内容,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。