pytorch复现

pytorch复现_IOU

在这里插入图片描述

定义了一个compute_iou函数，用于计算两个矩形框（boxA和boxB）之间的交并比（IOU，Intersection over Union）。IOU是一种常用的度量，用于评估两个矩形框的重叠程度。
在代码中，函数的输入是两个矩形框的坐标，每个矩形框由左上角点和右下角点的坐标表示。函数的计算步骤如下：
1.计算交集区域的左上角点的坐标：x轴方向上取两个矩形框左上角点x坐标的最大值，y轴方向上取两个矩形框左上角点y坐标的最大值。
2.计算交集区域的右下角点的坐标：x轴方向上取两个矩形框右下角点x坐标的最大值，y轴方向上取两个矩形框右下角点y坐标的最大值。
3.计算交集区域的面积，如果x轴和y轴上的长度差值小于零，则交集面积为零；否则，交集面积为两者相乘。
4.分别计算两个矩形框的面积，通过右下角点坐标减去左上角点坐标并相乘。
5.最后，计算IOU，将交集面积除以两个矩形框的总面积减去交集面积。
在给定的示例中，boxA和boxB分别表示两个矩形框的坐标，然后调用compute_iou函数计算它们之间的IOU。结果将存储在变量IOU中。这个示例中，boxA和boxB相对于彼此有一定的重叠，因此IOU应该是一个介于0和1之间的值，用来表示它们的重叠程度。

import numpy as np
def compute_iou(boxA,boxB):# 计算相交区域的坐标xA=max(boxA[0],boxB[0])yA=max(boxA[1],boxB[1])xB=min(boxA[2],boxB[2])yB=min(boxA[3],boxB[3])# 计算相交区域，如果是负数一定是不相交interArea = max(0,xB-xA)*max(0,yB-yA)# 计算A和B的面积boxAArea=(boxA[3]-boxA[1])*(boxA[2]-boxA[0])boxBArea=(boxB[3]-boxB[1])*(boxB[2]-boxB[0])# 计算iouiou=interArea/(boxAArea+boxBArea-interArea)return iou# Test case 1: Non-overlapping rectangles
boxA1 = [1, 1, 3, 3]
boxB1 = [4, 4, 6, 6]
iou1 = compute_iou(boxA1, boxB1)# Test case 2: Partially overlapping rectangles
boxA2 = [1, 1, 5, 5]
boxB2 = [3, 3, 7, 7]
iou2 = compute_iou(boxA2, boxB2)# Test case 3: Fully overlapping rectangles
boxA3 = [2, 2, 6, 6]
boxB3 = [2, 2, 6, 6]
iou3 = compute_iou(boxA3, boxB3)# Print results
print("Test case 1 IOU:", iou1)
print("Test case 2 IOU:", iou2)
print("Test case 3 IOU:", iou3)