常考題 | IoU 計算

點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時間送達(dá)

本文轉(zhuǎn)自|AI算法與圖像處理

IoU 的計算是面試時常考題，原理簡單，但由于沒有準(zhǔn)備很可能會在面試時，無法正確寫出來，今天我們就一起來好好寫寫。

在深度學(xué)習(xí)領(lǐng)域中，目標(biāo)檢測是一個活躍的研究課題。在一個圖像/框架中的對象是檢測一個簡單的框周圍繪制他們。在對象周圍繪制框的任務(wù)稱為邊界框。邊界框只是圖像中對象的(x-y)坐標(biāo)。這些坐標(biāo)在圖像中唯一定義對象。現(xiàn)在，圖像中對象的邊界框主要是手工標(biāo)記的，可以稱為 Ground Truth 框。深度學(xué)習(xí)模型預(yù)測了物體周圍的一個邊界框，稱為預(yù)測邊界框。

 IOU 用于計算區(qū)域交集面積除于區(qū)域并集面積

幫助理解的圖：

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

為了求交集，實(shí)際上是計算這兩個點(diǎn)的坐標(biāo)。

情況（1）

因?yàn)樵谟嬎鉏oU時， A 和 B沿著對角線互換位置并沒不會改變最終的計算結(jié)果。

因此上述的四種情況，可以簡化成兩種來考慮，而另一種則可以計算下面兩點(diǎn)的位置來計算交集面積

情況（2）

而實(shí)際上上面兩種情況的計算方法時一樣的。

具體代碼：

# boxA 存儲的是邊界框的左上頂點(diǎn)坐標(biāo)和右下頂點(diǎn)坐標(biāo)# boxA=[x1,y1,x2,y2]def iou(boxA, boxB):    # 計算重合部分的上下左右4個邊的值，注意最大最小函數(shù)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])
    # 計算重合部分的面積    inter = max(0,(right_min-left_max)) * max(0, (bottom_min-top_max)) # 寬*高    Sa = (boxA[2]-boxA[0])*(boxA[3]-boxA[1])    Sb = (boxB[2]-boxB[0])*(boxB[3]-boxB[1])
    # 計算所有區(qū)域的面積并計算 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的一般門檻可以是0.5。這可能因問題的不同而不同。通常IOU>0.5被認(rèn)為是一個很好的預(yù)測。示意圖

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/

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~