【目标检测】IoU（交并比）

---

一、 IoU概述

IoU的全称为交并比（Intersection over Union），是目标检测中使用的一个概念，IoU计算的是“预测的边框”和“真实的边框”的交叠率-，即它们的交集和并集的比值。最理想情况是完全重叠，即比值为1。

二、IoU计算

六种情况：

计算相交的面积和上个问题类似，只需计算出相交框的w与h如果没有相交，就是0。由上图可以发现以下规律:如果相交时

• xmin =max(xmin1, xmin2)#相交框xmin是两个框的左上角x坐标的最大值；
  ymin =max(ymin1, ymin2)#相交框ymin是两个框的左上角y坐标的最大值；
  xmax =min(xmax1, xmax2)#相交框xmax是两个框的右下角x坐标的最大值；
  ymax =min(ymax1, ymax2)#相交框ymax是两个框的右下角y坐标的最大值；

最后处理一下不想交的情况即可，可以发现当不想交时，就会至少出现一下情况的一种：
xmax<=xmin or ymax

所以处理方法很简单：出现任一情况，w or h就会有一个等于0，使得计算出的面积也为0
w =max(0, xmax - xmin)
h =max(0, ymax - ymin)

所以整体代码就挥之欲出了，是不是也挺简单的:)

三、IoU代码实现

代码如下：

def intersection_over_union(boxA, boxB):
    # determine the (x, y)-coordinates of the intersection rectangle
    xA = max(boxA[0], boxB[0])
    yA = max(boxA[1], boxB[1])
    xB = min(boxA[2], boxB[2])
    yB = min(boxA[3], boxB[3])
 
    # compute the area of intersection rectangle
    w = max(0, (xB - xA + 1))
    h = max(0, (yB - yA + 1))
    interArea = w * h
 
    # compute the area of both the prediction and ground-truth
    # rectangles
    boxAArea = (boxA[2] - boxA[0] +1) * (boxA[3] - boxA[1] +1)
    boxBArea = (boxB[2] - boxB[0] +1) * (boxB[3] - boxB[1] +1)
 
    # compute the intersection over union by taking the intersection
    # area and dividing it by the sum of prediction + ground-truth
    # areas - the interesection area
    iou = interArea / float(boxAArea + boxBArea - interArea)
 
    # return the intersection over union value
    return iou