如何通過(guò)python實(shí)現(xiàn)IOU計(jì)算代碼實(shí)例
Intersection over Union(IOU)是一種測(cè)量在特定數(shù)據(jù)集中檢測(cè)相應(yīng)物體準(zhǔn)確度的一個(gè)標(biāo)準(zhǔn)。IoU是一個(gè)簡(jiǎn)單的測(cè)量標(biāo)準(zhǔn),只要是在輸出中得出一個(gè)預(yù)測(cè)范圍(bounding boxes)的任務(wù)都可以用IoU來(lái)進(jìn)行測(cè)量。
IoU分?jǐn)?shù)是對(duì)象類(lèi)別分割問(wèn)題的標(biāo)準(zhǔn)性能度量 [1] 。 給定一組圖像,IoU測(cè)量給出了在該組圖像中存在的對(duì)象的預(yù)測(cè)區(qū)域和地面實(shí)況區(qū)域之間的相似性
計(jì)算兩個(gè)矩形的交并比,通常在檢測(cè)任務(wù)里面可以作為一個(gè)檢測(cè)指標(biāo)。你的預(yù)測(cè)bbox和groundtruth之間的差異,就可以通過(guò)IOU來(lái)體現(xiàn)。
代碼如下
#!/usr/bin/env python # encoding: utf-8 import numpy as np ''' 函數(shù)說(shuō)明:計(jì)算兩個(gè)框的重疊面積 輸入: rec1 第一個(gè)框xmin ymin xmax ymax rec2 第二個(gè)框xmin ymin xmax ymax 輸出: iouv 重疊比例 0 沒(méi)有 ''' def compute_iou(rec1, rec2): # computing area of each rectangles S_rec1 = (rec1[2] - rec1[0]) * (rec1[3] - rec1[1]) # H1*W1 S_rec2 = (rec2[2] - rec2[0]) * (rec2[3] - rec2[1]) # H2*W2 # computing the sum_area sum_area = S_rec1 + S_rec2 #總面積 # find the each edge of intersect rectangle left_line = max(rec1[0], rec2[0]) right_line = min(rec1[2], rec2[2]) top_line = max(rec1[1], rec2[1]) bottom_line = min(rec1[3], rec2[3]) # judge if there is an intersect if left_line >= right_line or top_line >= bottom_line: #print("沒(méi)有重合區(qū)域") return 0 else: #print("有重合區(qū)域") intersect = (right_line - left_line) * (bottom_line - top_line) iouv=(float(intersect) / float(sum_area - intersect))*1.0 return iouv ''' 函數(shù)說(shuō)明:獲取兩組匹配結(jié)果 輸入: rectA 車(chē)位 rectB 車(chē)輛 threod 重疊面積最小數(shù)值界限 默認(rèn)0.6 輸出: CarUse 一維數(shù)組保存是否占用 1 占用 0 沒(méi)有 ''' def TestCarUse(rectA,rectB,threod=0.6,debug=0): #threod=0.8#設(shè)定最小值 ALength=len(rectA) BLength=len(rectB) #創(chuàng)建保存匹配結(jié)果的矩陣 recIOU=np.zeros((ALength,BLength),dtype=float,order='C') #用于記錄車(chē)位能夠使否占用 CarUse=np.zeros((1,ALength),dtype=int,order='C') for i in range(0,ALength): for j in range(0,BLength): iou = compute_iou(rectA[i], rectB[j]) recIOU[i][j]=format(iou,'.3f') if iou>=threod: CarUse[0,i]=1 #有一個(gè)超過(guò)匹配認(rèn)為車(chē)位i被占用 if debug==1: print('----匹配矩陣----') print(recIOU) ''' print('----車(chē)位占用情況----') for i in range(0,ALength): msg='車(chē)位'+str(i)+"-"+str(CarUse[0][i]) print(msg) ''' return CarUse if __name__=='__main__': #A代表車(chē)位 rectA1 = (30, 10, 70, 20) rectA2 = (70, 10, 80, 20) rectA =[rectA1,rectA2] #B代表檢測(cè)車(chē)輛 rectB1 = (20, 10, 35, 20) rectB2 = (30, 15, 70, 25) rectB3 = (70, 10, 80, 20) rectB =[rectB1,rectB2,rectB3] #獲取車(chē)位占用情況 rectA車(chē)位 rectB車(chē)輛 0.6占面積最小比 CarUse=TestCarUse(rectA,rectB,0.6,1) print('----車(chē)位占用情況----') for i in range(0,len(CarUse)+1): msg='車(chē)位'+str(i)+"-"+str(CarUse[0][i]) print(msg)
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
- python實(shí)現(xiàn)交并比IOU教程
- python shapely.geometry.polygon任意兩個(gè)四邊形的IOU計(jì)算實(shí)例
- python實(shí)現(xiàn)IOU計(jì)算案例
- python:目標(biāo)檢測(cè)模型預(yù)測(cè)準(zhǔn)確度計(jì)算方式(基于IoU)
- python實(shí)現(xiàn)的Iou與Giou代碼
- python不使用for計(jì)算兩組、多個(gè)矩形兩兩間的iou方式
- 淺談Python3實(shí)現(xiàn)兩個(gè)矩形的交并比(IoU)
- python計(jì)算二維矩形IOU實(shí)例
- Python計(jì)算機(jī)視覺(jué)里的IOU計(jì)算實(shí)例
- 解析目標(biāo)檢測(cè)之IoU
相關(guān)文章
Python3內(nèi)置模塊pprint讓打印比print更美觀詳解
這篇文章主要給大家介紹了關(guān)于Python3內(nèi)置模塊pprint讓打印比print更美觀的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用Python3具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06Python實(shí)現(xiàn)普通圖片轉(zhuǎn)ico圖標(biāo)的方法詳解
ICO是一種圖標(biāo)文件格式,圖標(biāo)文件可以存儲(chǔ)單個(gè)圖案、多尺寸、多色板的圖標(biāo)文件。本文將利用Python實(shí)現(xiàn)普通圖片轉(zhuǎn)ico圖標(biāo),感興趣的小伙伴可以了解一下2022-11-11Python 圖像對(duì)比度增強(qiáng)的幾種方法(小結(jié))
這篇文章主要介紹了Python 圖像對(duì)比度增強(qiáng)的幾種方法(小結(jié)),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-09-09Python2和3字符編碼的區(qū)別知識(shí)點(diǎn)整理
在本篇文章中小編給各位分享的是關(guān)于Python2和3字符編碼的區(qū)別知識(shí)點(diǎn),有需要的朋友們可以學(xué)習(xí)下。2019-08-08關(guān)于yolov8訓(xùn)練的一些改動(dòng)及注意事項(xiàng)
Yolo是一種目標(biāo)檢測(cè)算法,目標(biāo)檢測(cè)的任務(wù)是從圖片中找出物體并給出其類(lèi)別和位置,這篇文章主要給大家介紹了關(guān)于yolov8訓(xùn)練的一些改動(dòng)及注意事項(xiàng),文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-02-02python實(shí)現(xiàn)線(xiàn)性插值的示例
線(xiàn)性插值是針對(duì)一維數(shù)據(jù)的插值方法,它根據(jù)一維數(shù)據(jù)序列中需要插值的點(diǎn)的左右臨近兩個(gè)數(shù)據(jù)來(lái)進(jìn)行數(shù)值估計(jì),這篇文章主要介紹了python實(shí)現(xiàn)線(xiàn)性插值,需要的朋友可以參考下2022-12-12