常考题 | IoU 计算

共 1763字,需浏览 4分钟

 ·

2020-08-06 20:01

点击上方AI算法与图像处理”,选择加"星标"或“置顶”

重磅干货,第一时间送达

IoU 的计算是面试时常考题,原理简单,但由于没有准备很可能会在面试时,无法正确写出来,今天我们就一起来好好写写。


在深度学习领域中,目标检测是一个活跃的研究课题。在一个图像/框架中的对象是检测一个简单的框周围绘制他们。在对象周围绘制框的任务称为边界框。边界框只是图像中对象的(x-y)坐标。这些坐标在图像中唯一定义对象。现在,图像中对象的边界框主要是手工标记的,可以称为 Ground Truth 框。深度学习模型预测了物体周围的一个边界框,称为预测边界框。



 IOU 用于计算区域交集面积除于区域并集面积



帮助理解的图:


来源:https://blog.csdn.net/briblue/article/details/91366128


为了求交集,实际上是计算这两个点的坐标。


情况(1)


因为在计算IoU时, A 和 B沿着对角线互换位置并没不会改变最终的计算结果。


因此上述的四种情况,可以简化成两种来考虑,而另一种则可以计算下面两点的位置来计算交集面积

情况(2

 

而实际上上面两种情况的计算方法时一样的。

具体代码:

# boxA 存储的是边界框的左上顶点坐标和右下顶点坐标# boxA=[x1,y1,x2,y2]def iou(boxA, boxB):    # 计算重合部分的上下左右4个边的值,注意最大最小函数的使用    left_max = max(boxA[0],boxB[0])    top_max = max(boxA[1],boxB[1])    right_min =  min(boxA[2], boxB[2])    bottom_min = min(boxA[3], boxB[3])
# 计算重合部分的面积 inter = max(0,(right_min-left_max)) * max(0, (bottom_min-top_max)) # 宽*高 Sa = (boxA[2]-boxA[0])*(boxA[3]-boxA[1]) Sb = (boxB[2]-boxB[0])*(boxB[3]-boxB[1])
# 计算所有区域的面积并计算 iou union = Sa+Sb-inter iou = inter/union return iou
if __name__ == "__main__": boxA = [0,0,5,5] boxB = [1,1,6,6] print(iou(boxA,boxB)) # inter = 16 union=34 boxA = [0,0,5,5] boxB = [5,5,6,6] print(iou(boxA,boxB)) # inter = 0 union=26


IOU的一般门槛可以是0.5。这可能因问题的不同而不同。通常IOU>0.5被认为是一个很好的预测。示意图



参考链接


https://blog.csdn.net/briblue/article/details/91366128


https://medium.com/@nagsan16/object-detection-iou-intersection-over-union-73070cb11f6e

https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/


后续会更新更多基础内容,
期待和大家一起学习成长!求三连!


下载1
在「AI算法与图像处」公众号后台回复:yolov4即可下载 YOLOv4 trick相关论文

下载2
AI算法与图像处公众号后台回复:DL三件套即可下载包括经典好书

个人微信(如果没有备注不拉群!
请注明:地区+学校/企业+研究方向+昵称


浏览 53
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报