目标检测系列之iou的计算(python实现)
2019-06-03 12:13
591 查看
1.IOU
IOU(Intersection over Union)即交并比,是目标检测中衡量目标检测算法准确度的一个重要指标,顾名思义,即交集与并集的比值,那所谓的交集和并集分别指代什么呢?
目标检测是一个有监督学习的过程,它常常需要大量的有标签数据进行训练学习。目标检测实际要解决的问题有两个,一个是目标分类,还有一个就是目标定位,这里我把目标的位置信息也当作是一种标签,只不过这种标签是目标框的信息x,y,w,h,一般由人工标记。如上图所示,ground truth 所在的框就是一个目标真实label,而bounding box 就是目标检测算法预测的目标的label。如果两个框能完全重合,那么就说明目标检测算法预测结果完全正确,但通常这是不可能,目标框的预测实际是回归问题,回归问题的损失函数再怎么迭代更新,都不可能等于0。
上图所示就是所谓的IOU,它是目标所在的真实框(ground truth) 与算法预测的目标所在的框(bounding box)的交集与并集的比值。这个IOU由什么用呢?有时我们听别人作报告时,会听到IOU阈值这类的说法,我们会用IOU阈值来判定预测的bounding box是否有效。一般阈值会设定在0.5,当IOU的值大于等于0.5时,我们会把这个预测的bounding box 归为正类,而小于0.5的归为负类。再将正类的bounding box拿去回归训练。
2.IOU的类型有以下几种
3python实现
如上图示,ground truth的坐标为(x0,y0,w0,h0),bounding box的坐标分别为(x1,y1,w1,h1),则交集和并集的大小为
[code]W = w0+w1-(max((x0+w0),(x1+w1))-min(x0,x1)) H = h0+h1-(max((y0+h0),(h1+h1))-min(y0,y1)) Intersection = W*H Union = w0*h0 + w1*h1 -Intersection
[code]def compute_iou(gt_box,b_box): ''' 计算iou :param gt_box: ground truth gt_box = [x0,y0,x1,y1](x0,y0)为左上角的坐标(x1,y1)为右下角的坐标 :param b_box: bounding box b_box 表示形式同上 :return: ''' width0=gt_box[2]-gt_box[0] height0 = gt_box[3] - gt_box[1] width1 = b_box[2] - b_box[0] height1 = b_box[3] - b_box[1] max_x =max(gt_box[2],b_box[2]) min_x = min(gt_box[0],b_box[0]) width = width0 + width1 -(max_x-min_x) max_y = max(gt_box[3],b_box[3]) min_y = min(gt_box[1],b_box[1]) height = height0 + height1 - (max_y - min_y) interArea = width * height boxAArea = width0 * height0 boxBArea = width1 * height1 iou = interArea / (boxAArea + boxBArea - interArea) return iou
相关文章推荐
- 目标定位和检测系列:交并比(IOU)和非极大值抑制(NMS)的python与C/C++实现
- python开启摄像头以及深度学习实现目标检测
- 《OpenCV 3计算机视觉:Python语言实现》学习笔记——目标跟踪中基本运动检测的思考
- 人脸检测和识别及python实现系列(2)-- 相关API介绍与数据采集
- 人脸检测及识别python实现系列(4)——卷积神经网络(CNN)入门
- DL之Yolo系列:深度学习实现目标检测之Yolo系列的论文简介、概念理解、思路配图等详细攻略
- 机器学习实践系列 1 线性代数计算的python实现
- 【目标检测】用python实现一种简单的目标检测
- 目标检测 Faster-rcnn python demo 实现
- 【实时计算架构系列1】WePay如何基于谷歌云平台(GCP)和kafka实现实时流式欺诈检测
- 人脸检测及识别python实现系列(3)——为模型训练准备人脸数据
- 深度学习系列:目标检测(Object Detection)原理与实现(转载)
- 目标检测中的IOU计算问题
- 人脸检测及识别python实现系列(3)——为模型训练准备人脸数据
- 人脸检测及识别python实现系列(2)——识别出人脸
- 人脸检测及识别python实现系列(5)——利用keras库训练人脸识别模型
- 人脸检测及识别python实现系列(6)——终篇:从实时视频流识别出“我”
- 【Python+OpenCV】目标跟踪-实现基本的运动检测
- 人脸检测和识别及python实现系列(1)-- 环境配置和相关类库安装
- 人脸检测和识别及python实现系列(1)-- 环境配置和相关类库安装