计算边界框重叠的百分比，以进行图像检测器评估
在大图像中测试对象检测算法时，我们将检测到的边界框与为地面真相矩形给出的坐标进行比较。
根据Pascal VOC的挑战，存在以下问题：
如果预测边界框与地面真实边界框重叠超过50％，则认为该边界框是正确的；否则，边界框被视为错误肯定检测。多次检测将受到处罚。如果系统预测与单个地面真实边界框重叠的多个边界框，则仅一个预测被认为是正确的，其他预测被认为是误报。
这意味着我们需要计算重叠百分比。这是否意味着地面真相框被检测到的边界框覆盖了50％？还是边界真值框吸收了边界框的50％？
我进行了搜索，但是没有找到标准的算法-这令人惊讶，因为我认为这在计算机视觉中很常见。（我是新来的）。我错过了吗？有人知道这种类型的问题的标准算法是什么吗？
问题答案：
我发现概念答案在这里：http
:
//pascallin.ecs.soton.ac.uk/challenges/VOC/voc2012/htmldoc/devkit_doc.html#SECTION00054000000000000000
从这个线程： 彼此比较两个边界框
我应该能够在python中编写代码！
-
问题内容： 我正在使用MongoDB开发地理空间网络应用程序。我在具有不同类别（，等）的集合上有很多多边形，我想知道哪个是某个多边形，但是在某些情况下，邻居的边界碰到了多边形的边界，所以当我查询十字路口，我有2个国家。 我想计算该州与两个国家之间的重叠百分比，以了解哪个是父级。我一直在寻找，但是我没有找到具有这种操作的任何库，并且我做这种算法不是很好。 编辑：添加更多上下文 这是我正在使用的模型
-
在前面的一些章节中，我们介绍了诸多用于图像分类的模型。在图像分类任务里，我们假设图像里只有一个主体目标，并关注如何识别该目标的类别。然而，很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，还想得到它们在图像中的具体位置。在计算机视觉里，我们将这类任务称为目标检测（object detection）或物体检测。 目标检测在多个领域中被广泛使用。例如，在无人驾驶里，我们需要通过识别拍摄到
-
问题内容： 我有4个项目MySQL数据库：（数值），和。 在我的报告中，我需要通过“调查”中的数字来计算已参加调查的“雇员”的百分比。 这是我现在的声明： 表格如下： 我想按参加调查的人数来计算谁所占的百分比。即，如以上数据所示，分别为0％和95％。 问题答案： 尝试这个 在这里演示
-
我有一个包含4个项的MySQL数据库:（数值）、、和。 在我的中，我需要根据“surveys”中的数字来计算接受调查的“employees”的百分比。 这就是我现在的说法： 下面是表格的原样： 我想根据中的数字计算参加调查的的百分比。即，如上面的数据所示，将为0%，将为95%。
-
我得到了一个图像，也得到了图像中区域的边界。例如，我有一个逻辑类型的掩码，边界的值为1，而对于其他像素，该值为0。我想对边界分割的区域进行标注，而我不确定如何基于连续边界对区域进行分割和标注。 边界看起来是这样的： 有了上面的图表，将会识别出四个区域。
-
问题内容： 我可以使用下面显示的代码找到匹配的功能。我想计算两个图像之间的百分比相似度。我是OpenCV的新手。任何帮助将不胜感激。 是否有其他可用于相同目的的库？ 问题答案： 我发现两个库pHash和pdiff提供了我想要的东西。我将评估它们的性能以及与我的代码的兼容性，并选择最佳的代码。