点在不规则图形内算法python_目标检测算法中规则矩形和不规则四边形IOU的Python实现...

交并比(Intersection-over-Union，IoU)，目标检测中使用的一个概念，我们在进行目标检测算法测试时，重要的指标，是产生的预测框(candidate bound)与标记框(ground truth bound)的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。

通常，我们所说的目标检测检测的框是规则的矩形框，计算IOU也非常简单，一般两种方法：

两个矩形的宽之和减去组合后的矩形的宽就是重叠矩形的宽，同比重叠矩形的高。

右下角的最小值减去左上角的最大值就是重叠矩形的宽，同比高。

上述规则四边形(矩形)IOU计算方式一的 Python实现

def calculate_regular_iou(rec1, rec2):

"""

computing IoU

:param rec1: (y0, x0, y1, x1), which reflects

(top,left, bottom,right)

:param rec2: (y0, x0, y1, x1)

:return: scala valueofIoU

"""

S_rec1 = (rec1[2] - rec1[0]) * (rec1[3] - rec1[1])

S_rec2 = (rec2[2] - rec2[0]) * (rec2[3] - rec2[1])

sum_area = S_rec1 + S_rec2

​

left_line = max(rec1[