|
什么是IOU，用在什么地方？ IOU（Intersection over Union）是一个术语，用于描述两个框的重叠程度。 重叠区域越大，IOU 越大。 IOU 主要用于与物体检测相关的应用中，我们训练一个模型来输出一个完美地围绕一个物体的box。 例如在下图中，我们有一个绿色框和一个蓝色框。 绿色框代表正确的框，蓝色框代表我们模型的预测。 该模型的目标是不断改进其预测，直到蓝色框和绿色框完美重叠，即两个框之间的 IOU 变为等于 1。
图 13：物体检测任务的描述 IOU也用于非最大抑制，用于消除围绕同一对象的多个框，基于哪个框具有更高的置信度。 我将在下一篇文章中更详细地讨论非最大抑制。 计算IOU： 让我们假设框 1 由 [x1, y1, x2, y2] 表示，框 2 由 [x3, y3, x4, y4] 表示。 （稍后我们将使用此约定来计算面积。）
图 2：计算 IOU 的公式的图示 1.计算框相交的面积
图 3：box可以以多种不同的方式相交，甚至完全重叠 让我们将相交矩形的坐标表示为 [x_inter1, y_inter1, x_inter2, y_inter2 ]，表示交点左上角和右下角的坐标。
图 4：命名需要计算的坐标 让我们从定义参考坐标系开始。 我们使用 +X 轴向右移动，+Y 轴向下移动的计算机图形约定。
图 5：参考坐标轴 为了计算交点的左上角，我们比较每个框的左上角。 我们可以从上面的例子中看到，x_inter1 可以通过查看哪个box的左上角更靠右来找到。 类似地，可以通过查看哪个框的左上角低于另一个框来找到 y_inter1。 在数学上，它们可以计算为：
图 6：计算交点的左上角 为了计算交点的右下角，我们比较每个框的右下角。 x_inter2 可以通过查看哪个框的右下角更靠左来找到。 类似地，可以通过查看哪个框的右下角高于另一个框来找到 y_inter2。 在数学上，它们可以计算为：
图 7：计算交点的右下角 例如，图 4 中的框完全重叠，或者对于特定坐标具有相同的值。 在这种情况下，将值与其自身进行比较的最小或最大操作就是值本身。
图 8：比较具有相同坐标值的框的示例 现在我们有了交点的坐标，交点的面积就是形成的矩形的面积。 （在实践中我们会取宽度和高度的模数，以确保即使box的顺序改变，宽度和高度仍然是正的；即如果 x_inter1>x_inter2 ，我们仍然会得到一个正值 宽度）
图 8：计算交叉点的面积 2. 计算box的并集面积 box的并集是两个box覆盖的总面积，如图 2 所示。 为了找到总面积，我们首先计算单个box的面积。
图 9：计算两个box的面积 如果我们查看两个框覆盖的总面积，我们会看到交叉点的部分被两个框覆盖，即交叉点的面积同时包含在 area_box1 和 area_box2 中。
图 10：描绘被两个框覆盖的交叉区域。 由于我们只想计算一次公共交叉区域，我们可以从两个框的总面积中减去我们计算的交叉区域。
图 11：box的并集面积 3.计算IOU
图 12：计算 IOU 的公式 IOU 的取值范围是多少？ 两个box的 IOU 可以是 0 到 1 之间的任何值。 如果有 2 个不相交的框，则它们相交的面积将为 0，因此 IOU 也将为 0。 如果有 2 个box完全重叠，则交集的面积将等于它们并集的面积，因此 IOU 将为 1。 在python中为IOU编写一个函数： 对于上面显示的相同图像，让我们在 python 中编写一个函数来计算绿色和蓝色框的 IOU
图14：python中实现IOU的函数
完整代码的链接在这里 |
