Intersection over Union(IOU)是一種測量在特定數(shù)據(jù)集中檢測相應(yīng)物體準(zhǔn)確度的一個標(biāo)準(zhǔn)。IoU是一個簡單的測量標(biāo)準(zhǔn)，只要是在輸出中得出一個預(yù)測范圍(bounding boxes)的任務(wù)都可以用IoU來進行測量。

IoU分數(shù)是對象類別分割問題的標(biāo)準(zhǔn)性能度量 [1] 。 給定一組圖像，IoU測量給出了在該組圖像中存在的對象的預(yù)測區(qū)域和地面實況區(qū)域之間的相似性

計算兩個矩形的交并比，通常在檢測任務(wù)里面可以作為一個檢測指標(biāo)。你的預(yù)測bbox和groundtruth之間的差異，就可以通過IOU來體現(xiàn)。

代碼如下

#!/usr/bin/env python

# encoding: utf-8

import numpy as np

'''

函數(shù)說明：計算兩個框的重疊面積

輸入：

rec1 第一個框xmin ymin xmax ymax

rec2 第二個框xmin ymin xmax ymax

輸出：

iouv 重疊比例 0 沒有

'''

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)說明：獲取兩組匹配結(jié)果

輸入：

rectA 車位

rectB 車輛

threod 重疊面積最小數(shù)值界限 默認0.6

輸出：

CarUse 一維數(shù)組保存是否占用 1 占用 0 沒有

'''

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 #有一個超過匹配認為車位i被占用

if debug==1:

print('----匹配矩陣----')

print(recIOU)

'''

print('----車位占用情況----')

for i in range(0,ALength):

msg='車位'+str(i)+"-"+str(CarUse[0][i])

print(msg)

'''

return CarUse

if __name__=='__main__':

#A代表車位

rectA1 = (30, 10, 70, 20)

rectA2 = (70, 10, 80, 20)

rectA =[rectA1,rectA2]

#B代表檢測車輛

rectB1 = (20, 10, 35, 20)

rectB2 = (30, 15, 70, 25)

rectB3 = (70, 10, 80, 20)

rectB =[rectB1,rectB2,rectB3]

#獲取車位占用情況 rectA車位 rectB車輛 0.6占面積最小比

CarUse=TestCarUse(rectA,rectB,0.6,1)

print('----車位占用情況----')

for i in range(0,len(CarUse)+1):

msg='車位'+str(i)+"-"+str(CarUse[0][i])

print(msg)

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持龍方網(wǎng)絡(luò)。

總結(jié)

以上是生活随笔為你收集整理的python 图像iou_如何通过python实现IOU计算代码实例的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。