IOU的計算

1. 定義

IOU(Intersection over Union)即交并比，是目标檢測中衡量目标檢測算法準确度的一個重要名額，顧名思義，即交集與并集的比值。

資料的标簽通常是目标框的資訊，如：x,y,w,h。

ground truth 所在的框是一個目标真實label,而bounding box 就是目标檢測算法預測的目标的label。如果兩個框能完全重合，那麼就說明目标檢測算法預測結果完全正确，但通常這是不可能，目标框的預測實際是回歸問題，回歸問題的損失函數再怎麼疊代更新，都不可能等于0。

用IOU門檻值來判定預測的bounding box是否有效。一般門檻值會設定在0.5，

• IOU>=0.5時，我們會把這個預測的bounding box 歸為正類，
• IOU<0.5的歸為負類。再将正類的bounding box拿去回歸訓練。

2. 計算

如上圖示，ground truth的坐标為（x0,y0,w0,h0)，bounding box的坐标分别為（x1,y1,w1,h1)，則交集和并集的大小為

union_all_w = max((x0+w0),(x1+w1))-min(x0,x1) # 兩個重疊矩形的重疊部分的總寬度

W = w0+w1-union_all_w # 重疊部分的寬度

H = h0+h1-(max((y0+h0),(h1+h1))-min(y0,y1))

Intersection = WH

Union = w0h0 + w1*h1 -Intersection

def compute_iou(gt_box,b_box):
    '''
    計算iou
    :param gt_box: ground truth gt_box = [x0,y0,x1,y1]（x0,y0)為左上角的坐标（x1,y1）為右下角的坐标
    :param b_box: bounding box b_box 表示形式同上
    :return: 
    '''
    width0=gt_box[2]-gt_box[0]  # 矩形的寬度
    height0 = gt_box[3] - gt_box[1]  # 矩形的高度
    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
           

reference：

https://blog.csdn.net/weixin_42631693/article/details/90747516