深度学习 — IoU python 高质量实现

深度学习 — IoU python 实现

一、IoU 含义

IoU：IoU 的全称为交并比（Intersection over Union），IoU 计算的是 “预测框” 和 “真实框” 的交集和并集的比值。

图示如下：

二、算法实现

真实框和预测框根据实际情况，有如上四种位置关系。如果按照 暴力法 来求解 IoU 势必是一件特别麻烦而且不酷的事，如何帅气地实现 IoU 的算法，可以看我下面算法思想的环节。

算法思想：
我们以上图图2为例，IoU 的计算，是用真实框和预测框的交集面积 / 真实框和预测框的并集面积。所以关键的步骤需要求出交集部分的坐标，即上图中的A，B两点。
得到A，B坐标之后便可求出交集的宽高，来求出交集的面积。并集的面积 = 真实框的面积 + 预测框的面积 - 交集的面积。
问题便可解决

1. A，B坐标求法：
   A：交集部分的左上坐标，来源于 真实框和预测框左上坐标中的较大值。 inter_upleft = np.maximum(box1[:2], box2[:2])
   B：交集部分的左上坐标，来源于 真实框和预测框左上坐标中的较大值。 inter_botright = np.minimum(box1[2:], box2[2:])

2. 交集的宽高求法：
   inter_wh = inter_botright - inter_upleft
   inter_wh = np.maximum(inter_wh, 0) ：如果没有交集，宽高就赋值为0，解决图3，4的情况。
   
   
   关于 np.maximum，np.minimum的解释如下：

	np.maximum(X, Y, out=None)：X 和 Y 逐位进行比较,选择最大值。
	np.maximum(X, Y, out=None)：X 和 Y 逐位进行比较,选择最小值。

完整代码如下：

#!/usr/bin/env python
# encoding: utf-8
'''
@Author  : pentiumCM
@Email   : 842679178@qq.com
@Software: PyCharm
@File    : iou_utils.py
@Time    : 2020/11/22 15:32
@desc	 : iou的工具模块
'''

import numpy as np

def iou(box1, box2):
    """
    计算预测框和真实框之间的IoU
    :param box1:预测框
    :param box2: 真实框
    :return:
    """
    inter_upleft = np.maximum(box1[:2], box2[:2])
    inter_botright = np.minimum(box1[2:], box2[2:])

    inter_wh = inter_botright - inter_upleft
    inter_wh = np.maximum(inter_wh, 0)

    # 交集面积
    inter = inter_wh[0] * inter_wh[1]
 
    # 真实框的面积
    area_gt = (box2[2] - box2[0]) * (box2[3] - box2[1])
    # 预测框的面积
    area_pred = (box1[2] - box1[0]) * (box1[3] - box1[1])

    # 并集面积
    union = area_gt + area_pred - inter

    # 计算 IoU
    iou_val = inter / union
    return iou_val


if __name__ == '__main__':
    box1 = np.array([50, 100, 150, 200])
    box2 = np.array([100, 50, 200, 150])
    iou_val = iou(box1, box2)

    print(iou_val)