超简单的IoU python3实现

最新推荐文章于 2024-08-14 14:57:30 发布

I'm GHB

最新推荐文章于 2024-08-14 14:57:30 发布

阅读量2k

点赞数 2

分类专栏：目标检测

本文链接：https://blog.csdn.net/weixin_40922744/article/details/102988751

版权

目标检测专栏收录该内容

2 篇文章 1 订阅

订阅专栏

IoU 简介及原理概述

Intersection over Union（IoU）是一种测量在特定数据集中检测相应物体准确度的一个标准（摘自：百度百科）。通过其英文名可以很直观的看出其计算方法：交并比，即检测的边框结果与真实的边框结果的交集比上它们的并集，其取值范围限制在[0, 1]。
IoU 的定义如下图所示：
IoU
计算方式如下：（1）计算两个检测框的交集面积；（2）计算两个检测框各自的面积；（3）两个检测框的面积和减去交集面积，得到两个检测框的并集面积；（4）利用定义，求得IOU值。由此分析，计算 IoU的难点在于求两个检测框的交集。

IoU 的python实现

IoU的计算思路就是第一部分中的介绍，但是对于编程来说，如何根据两个检测框的坐标求得其交集面积及IoU值呢？？？
（注：图像坐标系与我们平常数学中接触到坐标系不同哦！！！图像坐标体系中的零点坐标为图片的左上角，X轴为图像矩形的上面那条水平线；Y轴为图像矩形左边的那条垂直线。）

IoU 坐标
为了求交集面积，只要知道上图中两个蓝色点的坐标(或另外两个角坐标)即可。在此，我们假设两个边框的坐标分别为：rect1(left0, top0, right0, bottom0)、rect2(left1, top1, right1, bottom1)【其中（leftX, topX）为矩形左上角的坐标，（rightX，bottomX）为矩形右下角的坐标】。那么交集框的坐标为:

left = max(left0, left1)
top = max(top0, top1)
right = min(right0, right1)
bottom = min(bottom0, bottom1)

交集框左上和右下两个角的坐标分别为[left, top]、[right, bottom]。以上可简单理解为：左上角坐标取两个框x轴的最大值及y轴的最大值；右下角的坐标取两个框x轴的最小值及y轴最小值。
在这判断过程中，还需要考虑两个框不相交的情况：其实也很简单，情况1）：交集框左上角的X轴的值大于右下角的X轴值（即 left >= right）；情况2）：交集框左上角的Y轴的值大于右下角的Y轴值（即 top>=bottom）【这个地方与常识有点相悖，此时一定谨记：该坐标系是图像坐标系哦！】。

IoU计算过程中的情况分析完毕，下面则是展现真正成果的时候了！！！！！！！！！！！！！！！

def calculate_IOU(rec1,rec2):
    """ 计算两个矩形框的交并比
    
    Args:
    	rec1: [left1,top1,right1,bottom1]  # 其中(left1,top1)为矩形框rect1左上角的坐标，(right1, bottom1)为右下角的坐标，下同。
     	rec2: [left2,top2,right2,bottom2]
     	
    Returns: 
    	交并比IoU值
    """
    left_max  = max(rec1[0],rec2[0])
    top_max = max(rec1[1],rec2[1])
    right_min = min(rec1[2],rec2[2])
    bottom_min = min(rec1[3],rec2[3])
    #两矩形相交时计算IoU
    if (left_max < right_min or bottom_min > top_max):  # 判断时加不加=都行，当两者相等时，重叠部分的面积也等于0
        rect1_area = (rec1[2]-rec1[0])*(rec1[3]-rec1[1])
        rect2_area = (rec2[2]-rec2[0])*(rec2[3]-rec2[1])
        area_cross = (bottom_min - top_max)*(right_min - left_max)
	    return area_cross / (rect1_area + rect2_area - area_cross)
	 else:
	 	return 0