IoU计算

IoU计算

什么是IoU

（Intersection over Union），测量检测物体准确度的标准，用来衡量真实与预测之间的相关度

IoU公式：
$$IoU=AreaOfOverlap/AreaOfUnion$$

$$IoU=两个区域重叠的交集/两个区域重叠的并集$$

两个区域指的是真实标注框与预测标注框的面积

举例：

两个区域重叠的交集：比如上图的灰色部分A

两个区域重叠的并集：比如上图的灰色部分A + 黄绿色部分B

def bbox_iou(cor_1, cor_2):
    '''
    cor_1: 第一个区域的坐标 （左上， 右下）
    cor_2: 第二个区域的坐标 （左上， 右下）
    '''
    xA = max(cor_1[0], cor_2[0])
    yA = max(cor_1[1], cor_2[1])
    xB = min(cor_1[2], cor_2[2])
    yB = min(cor_1[3], cor_2[3])
    # 交集面积
    overlap_area = max(0, xB - xA) * max(0, yB - yA)
    # cor_1 和 cor_2的面积
    cor_1_area = (cor_1[2] - cor_1[0]) * (cor_1[3] - cor_1[1])
    cor_2_area = (cor_2[2] - cor_2[0]) * (cor_2[3] - cor_2[1])
    # 计算IOU   并集为两个区域面积之和 - 交集面积
    iou = overlap_area / float(cor_1_area + cor_2_area - overlap_area)

    return iou

if __name__ == "__main__":
    iou = bbox_iou((100,100,200,200),(130,120,230,220))
    print(iou)    # 0.3888888888888889