如何计算交并比IoU | 含图片说明和伪代码实现

原创 已于 2023-02-12 19:17:15 修改 · 1.2k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #目标检测 #深度学习

于 2023-02-12 19:15:29 首次发布
文章详细介绍了IoU（交并比）的概念，即两个矩形框交集面积与并集面积的比值，并提供了计算交集和并集面积的步骤，以及如何通过Python代码实现两个矩形框的IoU计算。文中还涵盖了无交集情况的处理和IoU在目标检测中的重要性。

交并比的定义

IoU(Intersection over Union)即交并比，定义为两个矩形框的交集面积除以并集面积。

所以计算交并比问题，可以转化为计算矩形框交集面积和并集面积问题。

计算矩形框交集面积

两个矩形框交集部分为规整的矩形，可以用矩形长乘以宽计算得到面积：

矩形框的宽和高分别通过x轴坐标和y轴坐标计算获得：w = x_min - x_max、h = y_max - y_min，难点在于获取两个方向上的坐标值，以x轴为例：

最低0.47元/天 解锁文章
Python实现：计算交并比IoU的方法及源代码
与其临渊羡鱼,不如退而结网
04-22 623
首先，我们将两个矩形框的坐标作为输入，包括左上角和右下角的坐标。接下来，我们计算两个框的交集面积和并集面积。在本文中，我们将介绍如何使用Python实现一个简单的IoU计算方法，并提供完整的源代码。IoU的计算方式是通过计算两个目标的交集区域与并集区域的比值来得出的。在目标检测任务中，通常将预测框与真实框作为两个目标进行比较，因此我们的代码也将以这两个框作为输入。以上就是使用Python实现IoU的方法及源代码，您可以按照这个方法自己编写测试案例，并尝试使用不同的矩形框进行计算。
图像分割评价指标---mIoU（平均交并比）计算代码（OpenCV/C++）
Lujiahao98689的博客
10-07 6527
图像分割评价指标---mIoU（平均交并比）计算代码（OpenCV/C++） 运行环境：Visual Studio+OpenCV+C++ 输入：准备好的Groundtruth数据+分割得到的二值图像 输出：每张分割结果的IOU值+最后输出MIOU值（平均交并比） mIoU计算的基本原理可见其他博主的叙述，这里不作介绍。 IOU（交并比）计算子程序如下： double MIOU(cv::Mat im...
交并比（IOU）的计算方法
qq_28249373的博客
03-08 7341
交并比（IOU, Intersetion Over Union）,意思就是交集和并集的比值，用来评价两个几何图形的面积重合度，在目标检测算法模型中，通常被用来计算预测框与真实框的误差（损失函数）或者在非极大值抑制（NMS）算法中用于过滤多余重叠的目标，亦或者在计算mAP时用于判断目标是否被预测到。这是一个应用非常广泛的算法，这里详细介绍一下它的算法原理，以及代码的实现方式。以上公式，是根据两个矩形有交集的情况推导出来的，如果两个矩形没有交集，以上公式如何做出判断呢？，同时又定义交集矩形的对角坐标为。
机器视觉笔记2——交并比IoU及代码实现
GavinChan
02-22 3549
在目标检测领域，交并比（IoU,全称Intersection of Union）是目标检测和和分割任务中一个重要的衡量标准，根据名字很容易知道IoU即为两个边界框（或者是两个分割掩模）的交集区域的面积和两个边界框（或者是两个分割掩模）的并集区域的面积之比。
交并比的概念、代码详解
qq_36136196的博客
07-17 1184
交并比的计算，此处参考《动手学》的代码，并做了详细的解释 def box_iou(boxes1,boxes2): #boxes1:[boxes1数量,4],boxes2:[boxes2数量,4] #定义lambda表达式，计算矩形框的面积 box_area = lambda boxes:((boxes[:,2]-boxes[:,0])*(boxes[:,3]-boxes[:,1])) #计算锚框的面积,[boxes1数量] areas1 = box_area(boxes1) #计算
深入理解交并比IOU计算原理及其应用
- "交并比IOU"和"图像IOU"表明该文档的重点在于图像处理中的IOU计算，尤其是在图像目标检测和分割算法中。 - "arrangementbqv"标签可能代表了特定的版本或配置，也可能是该文档的一个特定的文件名或者标识。 文件...
目标检测(三)——IoU总结与代码实现（可完整实现）
笔岸柳影
01-23 2859
交并集(IoU)的计算总结、以及完整代码可实现！
牙齿分割挑战赛第一名作品完整源码-0.9621IoU含训练代码、推理脚本和预训练模型权重.zip
最新发布
12-27
牙齿分割挑战赛第一名作品完整源码-0.9621IoU含训练代码、推理脚本和预训练模型权重 通过数据增强、损失函数优化、TTA推理和模型融合等技术，在有标签和无标签混合数据上进行半监督学习，最终在测试集上达到0.9621的...
nms 伪代码实现
03-24
ious = computeIoU(current_box, remaining_boxes) # 计算交并比(IOU) filtered_indices = [] for idx,iou_value in enumerate(ious): if iou_value <= iou_threshold: # 如果IOU小于阈值，则保留该框 ...
交并比IOU
qiuta2476的博客
04-24 1216
交并比（Intersection-over-Union，IoU），目标检测中使用的一个概念，是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。 计算公式： Python实现代码： def calculateIoU(candidateBound, groundTrut...
计算几何算法源码
07-29
㈠ 点的基本运算 1. 平面上两点之间距离 2. 判断两点是否重合 3. 矢量叉乘 4. 矢量点乘 5. 判断点是否在线段上 6. 求一点饶某点旋转后的坐标 7. 求矢量夹角 ㈡ 线段及直线的基本运算 1. 点与线段的关系 2. 求点到线段所在直线垂线的垂足 3. 点到线段的最近点 4. 点到线段所在直线的距离 5. 点到折线集的最近距离 6. 判断圆是否在多边形内 7. 求矢量夹角余弦 8. 求线段之间的夹角 9. 判断线段是否相交 10.判断线段是否相交但不交在端点处 11.求线段所在直线的方程 12.求直线的斜率 13.求直线的倾斜角 14.求点关于某直线的对称点 15.判断两条直线是否相交及求直线交点 16.判断线段是否相交，如果相交返回交点 ㈢ 多边形常用算法模块 1. 判断多边形是否简单多边形 2. 检查多边形顶点的凸凹性 3. 判断多边形是否凸多边形 4. 求多边形面积 5. 判断多边形顶点的排列方向，方法一 6. 判断多边形顶点的排列方向，方法二 7. 射线法判断点是否在多边形内 8. 判断点是否在凸多边形内 9. 寻找点集的graham算法 10.寻找点集凸包的卷包裹法 11.判断线段是否在多边形内 12.求简单多边形的重心 13.求凸多边形的重心 14.求肯定在给定多边形内的一个点 15.求从多边形外一点出发到该多边形的切线 16.判断多边形的核是否存在 ㈣ 圆的基本运算 1 .点是否在圆内 2 .求不共线的三点所确定的圆 ㈤ 矩形的基本运算 1.已知矩形三点坐标，求第4点坐标 ㈥ 常用算法的描述 ㈦ 补充 1．两圆关系 2．判断圆是否在矩形内 3．点到平面的距离 4．点是否在直线同侧 5．镜面反射线 6．矩形包含 7．两圆交点 8．两圆公共面积 9. 圆和直线关系 10. 内切圆 11. 求切点 12. 线段的左右旋 13．公式
IoU的计算
weixin_43508499的博客
08-04 1万+
目录一. IoU介绍二. 计算思路2.1 相交的情况2.2 不相交情况三. 代码 一. IoU介绍 IoU，即 intersection over Union，就是两个矩形框的交集面积与他们并集面积的比值。 IoU也是一种算法性能的指标，例如在语义分割时就会用IoU来衡量分割效果的好坏。 举例说明，如下图所示： 已知： 左边的矩形框假设为N，左上角坐标为(x1, y1), 右下角坐标为(x2, y2)； 右边的矩形框假设为M，左上角坐标为(a1, a1), 右下角坐标为(a2, a2)； 相交的矩形框
IoU系列损失详解
weixin_43482623的博客
08-10 1万+
IoU相关损失详解 IoU 计算公式及原理解析 ​ IoU的全称为交并比（Intersection over Union），即表示为“预测边框(bounding box )”和“真实边框(ground truth)“的交集和并集的比值。即IoU的计算公式为： IoU=(A∩B)A∪B IoU =\frac{(A \cap B)} {A \cup B} IoU=A∪B(A∩B)​ ​ 用图像可以更直观的表示，其表示如下： ​ 即IoU相当于两个区域交叉的部分除以两个区域的并集部分得出的结果。 ​
IoU计算方式
qq_30150579的博客
11-23 721
IoU计算方式与含义
IOU计算公式
gbz3300255的博客
06-01 1万+
在目标检测当中，有一个重要的概念就是 IOU。一般指代模型预测的 bbox 和 Groud Truth 之间的交并比。 何为交并比呢？ IOU = \frac{A\cap B}{A\cup B}IOU=A∪BA∩B​ 集合 A 和集合 B 的并集包括了上面 3 种颜色区域。 集合 C 是集合 A 与集合 B 的交集。 在目标检测当中，IOU 就是上面两种集合的比值。 A \cup BA∪B其实就是A + B - CA+B−C。 那么公式可以转变为： IOU = \frac{A \cap..
目标检测中的几种交并比（ IoU ）计算方式
热门推荐
Flag_ing的博客
03-07 1万+
目录 0、IOU 的原始计算方式 1、GIOU（Generalized IOU） 2、DIoU（Distance-IoU） 3、CIoU（Complete-IoU） IoU 即 Intersection over Union 中文叫做交并比，用来衡量目标检测过程中 预测框 与 真实框 的重合程度。目前有很多计算 IoU 的方法，这里主要介绍 GIOU、DIOU、CIOU 这三种方式。 ...
IoU、GIoU、CIoU和DIoU
weixin_57111012的博客
12-02 1161
IoU（Intersection over Union，交并比）、GIoU（Generalized IoU，广义交并比）、CIoU（Complete IoU，完全交并比）和DIoU（Distance IoU，距离交并比）是目标检测中常用于评估预测框和真实框之间重叠程度的指标。
python计算IOU代码
ln160864的博客
07-15 611
注意：我的边界框坐标与YOLO输出的不同，YOLO输出的坐标是x轴向右为正方向和y轴向下为正方向的矩形的左上角和右下角顶点坐标，但在Y轴向上为正方向的矩形中为左下和右上坐标，我由于强迫症将它转换成了标准直角坐标系下左上右下的坐标，因此计算方式与原本的有差别。
LeetCode高频题：图像交并比IoU计算方法和手撕代码
weixin_46838716的博客
07-16 1674
1）笔试面试都好说，拿个图，直接画一下就行了，不是背公式，更不是背代码的事 2）IoU = area_X / (area_1 + area_2 - area_X) 3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值