解决问题: 不使用for计算两组、多个矩形两两间的iou
使用numpy广播的方法,在python程序中并不建议使用for语句,python中的for语句耗时较多,如果使用numpy广播的思想将会提速不少。
代码:
def calc_iou(bbox1, bbox2): if not isinstance(bbox1, np.ndarray): bbox1 = np.array(bbox1) if not isinstance(bbox2, np.ndarray): bbox2 = np.array(bbox2) xmin1, ymin1, xmax1, ymax1, = np.split(bbox1, 4, axis=-1) xmin2, ymin2, xmax2, ymax2, = np.split(bbox2, 4, axis=-1) area1 = (xmax1 - xmin1) * (ymax1 - ymin1) area2 = (xmax2 - xmin2) * (ymax2 - ymin2) ymin = np.maximum(ymin1, np.squeeze(ymin2, axis=-1)) xmin = np.maximum(xmin1, np.squeeze(xmin2, axis=-1)) ymax = np.minimum(ymax1, np.squeeze(ymax2, axis=-1)) xmax = np.minimum(xmax1, np.squeeze(xmax2, axis=-1)) h = np.maximum(ymax - ymin, 0) w = np.maximum(xmax - xmin, 0) intersect = h * w union = area1 + np.squeeze(area2, axis=-1) - intersect return intersect / union
程序中输入为多个矩形[xmin, ymin, xmax,ymax]格式的数组或者list,输出为numpy格式,例:输入的shape为(3, 4)、(5,4)则输出为(3, 5)各个位置为boxes间相互的iou值。后面会卡一个iou的阈值,然后就可以将满足条件的索引取出。如:
def delete_bbox(bbox1, bbox2, roi_bbox1, roi_bbox2, class1, class2, idx1, idx2, iou_value): idx = np.where(iou_value > 0.4) left_idx = idx[0] right_idx = idx[1] left = roi_bbox1[left_idx] right = roi_bbox2[right_idx] xmin1, ymin1, xmax1, ymax1, = np.split(left, 4, axis=-1) xmin2, ymin2, xmax2, ymax2, = np.split(right, 4, axis=-1) left_area = (xmax1 - xmin1) * (ymax1 - ymin1) right_area = (xmax2 - xmin2) * (ymax2 - ymin2) left_idx = left_idx[np.squeeze(left_area < right_area, axis=-1)]#小的被删 right_idx = right_idx[np.squeeze(left_area > right_area, axis=-1)] bbox1 = np.delete(bbox1, idx1[left_idx], 0) class1 = np.delete(class1, idx1[left_idx]) bbox2 = np.delete(bbox2, idx2[right_idx], 0) class2 = np.delete(class2, idx2[right_idx]) return bbox1, bbox2, class1, class2
IOU计算原理:
ymin = np.maximum(ymin1, np.squeeze(ymin2, axis=-1)) xmin = np.maximum(xmin1, np.squeeze(xmin2, axis=-1)) ymax = np.minimum(ymax1, np.squeeze(ymax2, axis=-1)) xmax = np.minimum(xmax1, np.squeeze(xmax2, axis=-1)) h = np.maximum(ymax - ymin, 0) w = np.maximum(xmax - xmin, 0) intersect = h * w
计算矩形间min的最大值,max的最小值,如果ymax-ymin值大于0则如左图所示,如果小于0则如右图所示
以上这篇python不使用for计算两组、多个矩形两两间的iou方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持小牛知识库。
本文向大家介绍浅谈Python3实现两个矩形的交并比(IoU),包括了浅谈Python3实现两个矩形的交并比(IoU)的使用技巧和注意事项,需要的朋友参考一下 一、前言 因为最近刚好被问到这个问题,但是自己当时特别懵逼,导致没有做出来。所以下来后自己Google了很多IoU的博客,但是很多博客要么过于简略,要么是互相转载的,有一些博客图和代码还有点问题,也导致自己这个萌新走了不少弯路。所以自己重新
本文向大家介绍python计算二维矩形IOU实例,包括了python计算二维矩形IOU实例的使用技巧和注意事项,需要的朋友参考一下 计算交并比:交的面积除以并的面积。 要求矩形框的长和宽应该平行于图片框。不然不能用这样的公式计算。 原理,从一维上来理解:两条红线的距离之和减去黑色线之间的距离就是相交的距离。两条红线之和很容易算,两条黑线之间的距离就是最小的起点到到最大的末点,最小的起点好算,最大的
我有两个矩形,每个矩形有4个值: 左侧位置< code>X、顶部位置< code>Y、宽度< code>W和高度< code>H: 矩形不旋转,如下所示: 判断两个矩形的交集是否为空的最佳解是什么?
本文向大家介绍Python计算两个矩形重合面积代码实例,包括了Python计算两个矩形重合面积代码实例的使用技巧和注意事项,需要的朋友参考一下 这篇文章主要介绍了Python 实现两个矩形重合面积代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 代码如下 计算两个矩形的重合面积 字符串重叠输出 以上就是本文的全部内容,希望对大家的学习有所帮
我想写一个函数来计算中的坐标与中的每个坐标之间的欧氏距离,并通过列生成维度行的距离数组(其中是中的坐标数,是中的坐标数)。 NB:为了简单起见,我不想使用任何其他库。 运行该函数将生成: 我一直在试着运行下面的程序 但我得到以下错误: 非常感谢。
问题内容: 我对计算两个numpy数组(x和y)之间的各种空间距离感兴趣。 http://docs.scipy.org/doc/scipy-0.14.0/reference/generation/scipy.spatial.distance.cdist.html 但是,以上结果会产生太多不必要的结果。我如何仅将其限制为所需的结果。 我想计算[1,11]和[31,41]之间的距离;[2,22]和[3