1 .定义交叉比(iou )，是衡量目标检测算法准确度的重要指标，顾名思义就是交叉与并集之比。
的标签通常是目标框的信息，如x、y、w和h。
ground truth所在的框是目标的真实标签，bounding box是目标检测算法预测的目标标签。 如果两个框能够完全重叠，目标检测算法的预测结果将是完全正确的，但通常这是不可能的。 目标框的预测实际上是回归问题，回归问题的损失函数无论怎么反复更新都不会为0。
用IOU阈值判定预测的bounding box是否有效。 一般阈值设定为0.5，
当IOU=0.5时，我们将该预测的bounding box分类为正数类，将IOU0.5的分类为负数类。 再把正类的bounding box拿去回归训练。 2 .计算
如上图所示，如果ground truth的坐标为[x0，y0，w0，h0]，bounding box的坐标分别为[x1，y1，w1，h1]，则交叉和并集的大小为
union_all_w=max(x0w0 )，x1 w1 ) )-min ) x0，x1 ) #两个重叠矩形的重叠部分的总宽度
W=w0 w1-union_all_w #重叠部分的宽度
h=H0H1-(max () Y0H0)，(h1 h1 ) )-min ) Y0，y1 ) )
Intersection=WH
Union=w0h0 w1*h1 -Intersection
defcompute_iou(gt_box，b_box ) : ' '计算iou : param gt _ box 3360 groundtruthgt _ box=[ x0，y0，x1， y1] y1 )为右下角坐标： paramb _ box : boundingboxb _ box显示格式同上3360 return : ' ' width0=gt _ box [2]-gt _ box [0] # b _ box [0] width=width0width1- (max _ x-min _ x ) max_y=max ) b_box[3]， b_box[3] ) min _ y=b _ box [1] (height=height0height1- (max _ y-min _ y ) inter area=width * heightboxarea
3359 blog.csdn.net/weixin _ 42631693/article/details/90747516