计算一个框和其他所有框的IOU

最新推荐文章于 2024-07-29 22:34:10 发布

原创最新推荐文章于 2024-07-29 22:34:10 发布 · 802 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #算法 #深度学习 #pytorch

深度学习基础知识专栏收录该内容

17 篇文章

订阅专栏

博客围绕Python、算法和深度学习展开，提及了Pytorch。Python在深度学习领域应用广泛，借助相关算法，结合Pytorch框架，可实现各类深度学习任务，推动信息技术发展。

部署运行你感兴趣的模型镜像

import os
import json
import numpy as np
def culculate_iou(box,checked_boxes):
    '''

    :param box: [x1,y1,x2,y2]
    :param checked_boxes: [N,x1,y1,x2,y2]
    :return:
    '''
    b1=np.array(box)
    b2=np.array(checked_boxes)
    xx=np.maximum(b1[0],b2[:,0])
    yy=np.maximum(b1[1],b2[:,1])
    XX=np.minimum(b1[2],b2[:,2])
    YY=np.minimum(b1[3],b2[:,3])
    intersect = np.maximum(0,XX-xx)*np.maximum(0,YY-yy)
    s_b1 = np.maximum(0, b1[2] - b1[0]) * np.maximum(0, b1[3] - b1[1])
    s_b2 = np.maximum(0, b2[:,2] - b2[:,0]) * np.maximum(0, b2[:,3] - b2[:,1])
    sum_area=s_b1+s_b2
    iou=intersect/(sum_area-intersect)*1.0
    list_iou=list(iou)
    return max(iou),list_iou.index(max(list_iou))

您可能感兴趣的与本文相关的镜像