numpy实现GIOU代码

最新推荐文章于 2023-09-11 16:10:58 发布

图像小白鼠

最新推荐文章于 2023-09-11 16:10:58 发布

阅读量900

点赞数 4

分类专栏： object detection 脚本文章标签： GIOU 目标检测 object detection 神经网络

本文链接：https://blog.youkuaiyun.com/qq_43088746/article/details/97690618

版权

这篇博客介绍了如何利用numpy来实现GIOU（Generalized Intersection over Union），在目标检测任务中用于衡量预测框与真实框的匹配程度。博主提供了具体的代码实现，并提到在处理不同数量的预测框和ground truth框时的处理方法，以及如何计算每类的GIOU和平均GIOU。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

笔者使用numpy实现了GIOU，废话不多说，直接贴上代码：

import numpy as np
def GIOU (boxes1 , boxes2 ):
    "calculate GIOU  "
    '''
    boxes1 shape : shape (n, 4)
    boxes2 shape : shape (k, 4)
    gious: shape (n, k)       
    '''
    IOU = []
    GIOU = []
    num = (boxes1[:,0]).size
    x1 = boxes1[:,0]
    y1 = boxes1[:,1]
    x2 = boxes1[:,2]
    y2 = boxes1[:,3]

    xx1=boxes2[:,0]
    yy1=boxes2[:,1]
    xx2=boxes2[:,2]
    yy2=boxes2[:,3]

    area1 = (x2 -x1) * (y2 -y1)  #求取框的面积
    area2 = (xx2-xx1) * (yy2- yy1)
    for i in range (num):
        inter_max_x = np.minimum(x2[i], xx2[:])   #求取重合的坐标及面积
        inter_max_y = np.minimum(y2[i], yy2[:])
        inter_min_x = np.maximum(x1[i], xx1[:])
        inter_min_y = np.maximum(y1[i], yy1[:])
        inter_w = np.maximum(0 ,inter_max_x-inter_min_x)
        inter_h = np.maximum(0 ,inter_max_y-inter_mi