目錄一、IoU的簡介及原理解析二、基于TensorFlow的IoU實現一、IoU的簡介及原理解析

IoU 的全稱為交并比（Intersection over Union），通過這個名稱我們大概可以猜到 IoU 的計算方法。IoU 計算的是 “預測的邊框” 和 “真實的邊框” 的交集和并集的比值。

開始計算之前，我們首先進行分析下交集和并集到底應該怎么計算：我們首先需要計算交集，然后并集通過兩個邊框的面積的和減去交集部分即為并集，因此 IoU 的計算的難點在于交集的計算。

為了計算交集，你腦子里首先想到的方法應該是：考慮兩個邊框的相對位置，然后按照相對位置（左上，左下，右上，右下，包含，互不相交）分情況討論，來計算交集。

上圖就是你的直覺，這樣想沒有錯。但計算一個交集，就要分多種情況討論，要是程序真的按照這邏輯編寫就太搞笑了。因此對這個問題進行進一步地研究顯得十分有必要。

讓我們重新思考一下兩個框交集的計算。兩個框交集的計算的實質是兩個集合交集的計算，因此我們可以將兩個框的交集的計算簡化為：

通過簡化，我們可以清晰地看到，交集計算的關鍵是交集上下界點（圖中藍點）的計算。

我們假設集合 A 為 [x1,x2]，集合 B 為 [y1,y2]。然后我們來求AB交集的上下界限。

交集計算的邏輯

交集下界z1:max(x1,y1) 交集上界z2:min(x2,y2) 如果z2-z1小于0，則說明集合 A 和集合 B 沒有交集。

下面使用Python來實現兩個一維集合的 IoU 的計算：

def iou(set_a, set_b): ’’’ 一維 iou 的計算 ’’’ x1, x2 = set_a # (left, right) y1, y2 = set_b # (left, right)low = max(x1, y1) high = min(x2, y2) # intersection if high-low<0:inter = 0 else:inter = high-low # union union = (x2 - x1) + (y2 - y1) - inter # iou iou = inter / union return iou

上面，我們計算了兩個一維集合的 iou，將上面的程序進行擴展，即可得到兩個框 IoU 計算的程序。

def iou(box1, box2): ’’’ 兩個框（二維）的 iou 計算注意：邊框以左上為原點box:[top, left, bottom, right] ’’’ in_h = min(box1[2], box2[2]) - max(box1[0], box2[0]) in_w = min(box1[3], box2[3]) - max(box1[1], box2[1]) inter = 0 if in_h<0 or in_w<0 else in_h*in_w union = (box1[2] - box1[0]) * (box1[3] - box1[1]) + (box2[2] - box2[0]) * (box2[3] - box2[1]) - inter iou = inter / union return iou二、基于TensorFlow的IoU實現

上節介紹了IoU，及其的計算，下面我們給出其在 TensorFlow 上的實現：

import tensorflow as tfdef IoU_calculator(x, y, w, h, l_x, l_y, l_w, l_h): '''calaulate IoU Args: x: net predicted x y: net predicted y w: net predicted width h: net predicted height l_x: label x l_y: label y l_w: label width l_h: label heightReturns: IoU '''# convert to coner x_max = x + w/2 y_max = y + h/2 x_min = x - w/2 y_min = y - h/2 l_x_max = l_x + l_w/2 l_y_max = l_y + l_h/2 l_x_min = l_x - l_w/2 l_y_min = l_y - l_h/2 # calculate the inter inter_x_max = tf.minimum(x_max, l_x_max) inter_x_min = tf.maximum(x_min, l_x_min) inter_y_max = tf.minimum(y_max, l_y_max) inter_y_min = tf.maximum(y_min, l_y_min) inter_w = inter_x_max - inter_x_min inter_h = inter_y_max - inter_y_mininter = tf.cond(tf.logical_or(tf.less_equal(inter_w,0), tf.less_equal(inter_h,0)), lambda:tf.cast(0,tf.float32), lambda:tf.multiply(inter_w,inter_h)) # calculate the union union = w*h + l_w*l_h - interIoU = inter / union return IoU

以上就是解析目標檢測之IoU的詳細內容，更多關于目標檢測IoU的資料請關注好吧啦網其它相關文章！