numpy实现 检测评价函数 intersection-over-union （ IOU ）

在目标检测的评价体系中，有一个参数叫做 IoU ，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我们可以简单的理解为： 即检测结果(DetectionResult)与 Ground Truth 的交集比上它们的并集，即为检测的准确率 IoU :

IOU=DetectionResult⋂GroundTruthDetectionResult⋃GroundTruth

如下图所示：GT = GroundTruth; DR = DetectionResult; 

import numpy as np
def IoU(box,boxes):
    '''
          计算detect box和 gt boxes的IoU值
          形参:
        box:numpy array,shape(5,):x1,y1,x2,y2,score
            input box
        boxes:numpy array,shape (n,4):x1,y1,x2,y2
            input ground truth boxes  
            返回值：
         ovr: numpy.array, shape (n, )
         IoU         
    '''
    box_area=(box[2]-box[0]+1)*(box[3]-box[1]+1)
    area = (boxes[:, 2] - boxes[:, 0] + 1) * (boxes[:, 3] - boxes[:, 1] + 1)
    xx1=np.maximum(box[0],boxes[:,0])
    yy1=np.maximum(box[1],boxes[:,1])
    xx2=np.maximum(box[2],boxes[:,2])
    yy2=np.maximum(box[3],boxes[:,3])
    
    #计算 bounding box的长宽
    w=np.maximum(0,xx2-xx1+1)
    h=np.maximum(0,yy2-yy1+1)
    
    inter=w*h
    ovr= inter/(box_area+area-inter)
    return ovr