CV-IOU

        交并比（Intersection-over-Union，IoU），目标检测中使用的一个概念，是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值。

        计算公式：

        输入假设：bbox = [xt, yt, xb, yb]， 左上角为（xt, yt），右下角为（xb, yb）        

        代码如下，重点关注交集的计算思路：分别计算横轴和纵轴的交集长度。

def cal_iou(bbox1, bbox2):
    xt1, yt1, xb1, yb1 = bbox1
    xt2, yt2, xb2, yb2 = bbox2
    
    # 计算每个矩形面积 
    area1 = (xb1 - xt1) * (yb1 - yb1)
    area2 = (xb2 - xt2) * (yb2 - yb1)
    
    # 计算两个矩形的相较面积
    xl = max(xt1, xt2)
    xr = min(xb1, xb2)
    yt = max(yt1. yt2)
    yb = min(yb1, yb2)
    h = max(0, yb - yt)
    w = max(0, xr - xl)
    area = h * w 
    
    # 计算iou
    iou = area / (area1 + area2 - area)
    
    return iou

        当然真实使用应该考虑使用下面的版本，因为像素是离散的，像素2到5其实是4个像素，并不是5-2=3个像素，所以需要加1。

def cal_iou(bbox1, bbox2):
    xt1, yt1, xb1, yb1 = bbox1
    xt2, yt2, xb2, yb2 = bbox2

    # 计算每个矩形面积
    area1 = (xb1 - xt1 + 1) * (yb1 - yb1 + 1)
    area2 = (xb2 - xt2 + 1) * (yb2 - yb1 + 1)

    # 计算两个矩形的相较面积
    xl = max(xt1, xt2)
    xr = min(xb1, xb2)
    yt = max(yt1. yt2)
    yb = min(yb1, yb2)
    h = max(0, yb - yt)
    w = max(0, xr - xl)
    area = (h + 1) * (w + 1)

    # 计算iou
    iou = area / (area1 + area2 - area)

    return iou