opencv python 计算机视觉 目标检测指标IOU和mAP

IOU(交并比)

交并比（loU）函数做的是计算两个边界框交集和并集之比。可以用来判断定位算法的好坏。

一般来说，IoU大于等于0.5，那么结果是可以接受的，就说检测正确。如果预测器和实际边界框完美重叠，loU就是1，因为交集就等于并集。一般约定，0.5是阈值（threshold），用来判断预测的边界框是否正确。loU越高，边界框越精确。 

import cv2

import numpy as np

def CountIOU(RecA, RecB):

xA = max(RecA[0], RecB[0])

yA = max(RecA[1], RecB[1])

xB = min(RecA[2], RecB[2])

yB = min(RecA[3], RecB[3])

# 计算交集部分面积

interArea = max(0, xB - xA + 1) * max(0, yB - yA + 1)

# 计算预测值和真实值的面积

RecA_Area = (RecA[2] - RecA[0] + 1) * (RecA[3] - RecA[1] + 1)

RecB_Area = (RecB[2] - RecB[0] + 1) * (RecB[3] - RecB[1] + 1)

# 计算IOU

iou = interArea / float(RecA_Area + RecB_Area - interArea)

return iou

img = n

文章链接

 您阅读本篇文章共花了：