【YOLO】用 Python 来计算 IOU

在做YOLO目标检测相关的项目，里面涉及到计算IOU，可以理解为系统预测出来的框与原来图片中标记的框的重合程度。 因为YOLO的实现是用tensorflow实现的，而我又要单独列出来，所以就打算用Python来计算 IOU。

IOU的计算这个问题，其实我们可以转化成两个矩形框的重合程度，那么

• 第一步是判断是否重合
• 第二步是计算重合程度

这里有个难点，如何判断是否重合。我的理解是分别比较两个矩形的重心在x轴方向上和y轴方向上的距离与两个矩形的长或者宽的一半的和的大小。如果重心的在x轴和y轴上的距离都比他们边长和的一半要小就符合相交的条件。

第二个就是计算重合程度，那么我们采用的是 IOU = 相交的面积 /（两个框的面积和 - 相交的面积）。这里相交的面积的计算，需要我们知道相交面积的左上角顶点和右下角顶点。这两个顶点，我们直接比较横纵坐标就可以求出来，比较简单就不赘述。

那么下面我就展示我的代码了。

def calcIOU(one_x, one_y, one_w, one_h, two_x, two_y, two_w, two_h):if((abs(one_x - two_x) < ((one_w + two_w) / 2.0)) and (abs(one_y - two_y) < ((one_h + two_h) / 2.0))):lu_x_inter = max((one_x - (one_w / 2.0)), (two_x - (two_w / 2.0)))lu_y_inter = min((one_y + (one_h / 2.0)), (two_y + (two_h / 2.0)))rd_x_inter = min((one_x + (one_w / 2.0)), (two_x + (two_w / 2.0)))rd_y_inter = max((one_y - (one_h / 2.0)), (two_y - (two_h / 2.0)))inter_w = abs(rd_x_inter - lu_x_inter)inter_h = abs(lu_y_inter - rd_y_inter)inter_square = inter_w * inter_hunion_square = (one_w * one_h) + (two_w * two_h) - inter_squarecalcIOU = inter_square / union_square * 1.0print("calcIOU:", calcIOU)else:print("No intersection!")return calcIOUdef main():calcIOU(1, 2, 2, 2, 2, 1, 2, 2)if __name__ == '__main__':main()