交并比的概念、代码详解

理论

衡量锚框与真实边界框之间的相似性
计算的iou是每一个锚框（anchor box）和每一个真实边界框（gt bounding box）的交并比。
交并比的计算，此处参考《动手学》的代码，并做了详细的解释

代码

def box_iou(boxes1,boxes2):
  #输入：boxes1:[boxes1数量,4],boxes2:[boxes2数量,4]，boxes1是锚框，boxes2是真实gt边界框
  # 输出：交并比[boxes1数量,boxes2数量]
  #定义lambda表达式，计算矩形框的面积
  box_area = lambda boxes:((boxes[:,2]-boxes[:,0])*(boxes[:,3]-boxes[:,1]))
  #计算锚框（anchor box）的面积,[boxes1数量]
  areas1 = box_area(boxes1)
  #计算真实边界框gt bounding box的面积,[boxes2数量]
  areas2 = box_area(boxes2)
  #计算交集左上点的坐标，[boxes1数量,boxes2数量,2]见下图
  inter_upperlefts = torch.max(boxes1[:,None,:2],boxes2[:,:2])
  #计算交集右下点的坐标，[boxes1数量,boxes2数量,2]原理同上
  inter_lowerrights = torch.min(boxes1[:,None,2:],boxes2[:,2:])
  #得到交集的宽和高，[boxes1数量,boxes2数量,2],clamp限制输出最小为0(min=0)
  inters = (inter_lowerrights - inter_upperlefts).clamp(min=0)
  #得到交集的面积[boxes1数量,boxes2数量]
  inter_areas = inters[:,:,0]*inters[:,:,1]
  #得到并集的面积[boxes1数量,boxes2数量],此处又用到了广播机制
  union_areas = areas1[:,None] + areas2 - inter_areas
  #得到交并比[boxes1数量,boxes2数量]
  return inter_areas/union_areas

inter_upperlefts = torch.max(boxes1[:,None,:2],boxes2[:,:2])
#个人觉得此处用了广播机制，boxes1:[n1,1,2],boxes2:[n2,2],所以boxes2扩充至[n1,n2,2],boxes1扩充至[n1,n2,2]，也就是对每个boxes1的锚框都要和所有的gt框进行iou的计算。
#关于torch.max,在此处类同torch.maximum
a1 = torch.tensor([2,3])
a2 = torch.tensor([1,4])
torch.max(a1,a2)
>tensor([2, 4])