背景:在進行目標檢測時,常常會用到交併比的概念(IoU(Intersection over Union))
一般來說,這個IoU > 0.5 就可以被認爲是一個不錯的結果。
1.規則矩形框的IoU計算
有些目標檢測中,預測的邊界框爲規則的矩形,則只需要知道矩形的左上角和右下角的座標信息,就可以得到矩形框所有想要的信息。對於這種情況,IoU的python實現如下(python3.5)
def IoU(box1, box2):
'''
計算兩個矩形框的交併比
:param box1: list,第一個矩形框的左上角和右下角座標
:param box2: list,第二個矩形框的左上角和右下角座標
:return: 兩個矩形框的交併比iou
'''
x1 = max(box1[0], box2[0]) # 交集左上角x
x2 = min(box1[2], box2[2]) # 交集右下角x
y1 = max(box1[1], box2[1]) # 交集左上角y
y2 = min(box1[3], box2[3]) # 交集右下角y
overlap = max(0., x2-x1) * max(0., y2-y1)
union = (box1[2]-box1[0]) * (box1[3]-box1[1]) \
+ (box2[2]-box2[0]) * (box2[3]-box2[1]) \
- overlap
return overlap/union
if __name__ == '__main__':
# box = [左上角x1,左上角y1,右下角x2,右下角y2]
box1 = [10, 0, 15, 10]
box2 = [12, 5, 20, 15]
iou = IoU(box1, box2)
2. 非矩形框IoU計算
在有些目標檢測中,檢測框並不是規則的矩形框,例如自然場景下的文本檢測,有些呈現平行四邊形,梯形等情況,這時計算IoU時,就比較複雜一些。這時可以藉助於python的一些庫實現多邊形的面積計算
import shapely
import numpy as np
from shapely.geometry import Polygon, MultiPoint # 多邊形
def bbox_iou_eval(box1, box2):
'''
利用python的庫函數實現非矩形的IoU計算
:param box1: list,檢測框的四個座標[x1,y1,x2,y2,x3,y3,x4,y4]
:param box2: lsit,檢測框的四個座標[x1,y1,x2,y2,x3,y3,x4,y4]
:return: IoU
'''
box1 = np.array(box1).reshape(4, 2) # 四邊形二維座標表示
# python四邊形對象,會自動計算四個點,並將四個點重新排列成
# 左上,左下,右下,右上,左上(沒錯左上排了兩遍)
poly1 = Polygon(box1).convex_hull
box2 = np.array(box2).reshape(4, 2)
poly2 = Polygon(box2).convex_hull
if not poly1.intersects(poly2): # 如果兩四邊形不相交
iou = 0
else:
try:
inter_area = poly1.intersection(poly2).area # 相交面積
iou = float(inter_area) / (poly1.area + poly2.area - inter_area)
except shapely.geos.TopologicalError:
print('shapely.geos.TopologicalError occured, iou set to 0')
iou = 0
return iou
if __name__ == '__main__':
# box = [四個點的座標,順序無所謂]
box3 = [10, 0, 15, 0, 15, 10, 10, 10] # 左上,右上,右下,左下
box4 = [12, 5, 20, 2, 20, 15, 12, 15]
iou = bbox_iou_eval(box3, box4)
print(iou)