本篇文章给大家分享的是有关使用python如何实现IOU计算,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。
Intersection over Union(IOU)是一种测量在特定数据集中检测相应物体准确度的一个标准。IoU是一个简单的测量标准,只要是在输出中得出一个预测范围(bounding boxes)的任务都可以用IoU来进行测量。
IoU分数是对象类别分割问题的标准性能度量 [1] 。 给定一组图像,IoU测量给出了在该组图像中存在的对象的预测区域和地面实况区域之间的相似性
计算两个矩形的交并比,通常在检测任务里面可以作为一个检测指标。你的预测bbox和groundtruth之间的差异,就可以通过IOU来体现。
代码如下
#!/usr/bin/env python # encoding: utf-8 import numpy as np ''' 函数说明:计算两个框的重叠面积 输入: rec1 第一个框xmin ymin xmax ymax rec2 第二个框xmin ymin xmax ymax 输出: iouv 重叠比例 0 没有 ''' def compute_iou(rec1, rec2): # computing area of each rectangles S_rec1 = (rec1[2] - rec1[0]) * (rec1[3] - rec1[1]) # H1*W1 S_rec2 = (rec2[2] - rec2[0]) * (rec2[3] - rec2[1]) # H2*W2 # computing the sum_area sum_area = S_rec1 + S_rec2 #总面积 # find the each edge of intersect rectangle left_line = max(rec1[0], rec2[0]) right_line = min(rec1[2], rec2[2]) top_line = max(rec1[1], rec2[1]) bottom_line = min(rec1[3], rec2[3]) # judge if there is an intersect if left_line >= right_line or top_line >= bottom_line: #print("没有重合区域") return 0 else: #print("有重合区域") intersect = (right_line - left_line) * (bottom_line - top_line) iouv=(float(intersect) / float(sum_area - intersect))*1.0 return iouv ''' 函数说明:获取两组匹配结果 输入: rectA 车位 rectB 车辆 threod 重叠面积最小数值界限 默认0.6 输出: CarUse 一维数组保存是否占用 1 占用 0 没有 ''' def TestCarUse(rectA,rectB,threod=0.6,debug=0): #threod=0.8#设定最小值 ALength=len(rectA) BLength=len(rectB) #创建保存匹配结果的矩阵 recIOU=np.zeros((ALength,BLength),dtype=float,order='C') #用于记录车位能够使否占用 CarUse=np.zeros((1,ALength),dtype=int,order='C') for i in range(0,ALength): for j in range(0,BLength): iou = compute_iou(rectA[i], rectB[j]) recIOU[i][j]=format(iou,'.3f') if iou>=threod: CarUse[0,i]=1 #有一个超过匹配认为车位i被占用 if debug==1: print('----匹配矩阵----') print(recIOU) ''' print('----车位占用情况----') for i in range(0,ALength): msg='车位'+str(i)+"-"+str(CarUse[0][i]) print(msg) ''' return CarUse if __name__=='__main__': #A代表车位 rectA1 = (30, 10, 70, 20) rectA2 = (70, 10, 80, 20) rectA =[rectA1,rectA2] #B代表检测车辆 rectB1 = (20, 10, 35, 20) rectB2 = (30, 15, 70, 25) rectB3 = (70, 10, 80, 20) rectB =[rectB1,rectB2,rectB3] #获取车位占用情况 rectA车位 rectB车辆 0.6占面积最小比 CarUse=TestCarUse(rectA,rectB,0.6,1) print('----车位占用情况----') for i in range(0,len(CarUse)+1): msg='车位'+str(i)+"-"+str(CarUse[0][i]) print(msg)
以上就是使用python如何实现IOU计算,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请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。