计算两个矩形的交并比，通常在检测任务里面可以作为一个检测指标。你的预测bbox和groundtruth之间的差异，就可以通过IOU来体现。很简单的算法实现，我也随便写了一个，嗯，很简单。

1. 使用时，请注意bbox四个数字的顺序(y0,x0,y1,x1)，顺序不太一样。

#!/usr/bin/env python# encoding: utf-8 def compute_iou(rec1, rec2): """ computing IoU :param rec1: (y0, x0, y1, x1), which reflects (top, left, bottom, right) :param rec2: (y0, x0, y1, x1) :return: scala value of IoU """ # computing area of each rectangles S_rec1 = (rec1[2] - rec1[0]) * (rec1[3] - rec1[1]) S_rec2 = (rec2[2] - rec2[0]) * (rec2[3] - rec2[1]) # computing the sum_area sum_area = S_rec1 + S_rec2 # find the each edge of intersect rectangle left_line = max(rec1[1], rec2[1]) right_line = min(rec1[3], rec2[3]) top_line = max(rec1[0], rec2[0]) bottom_line = min(rec1[2], rec2[2]) # judge if there is an intersect if left_line >= right_line or top_line >= bottom_line: return 0 else: intersect = (right_line - left_line) * (bottom_line - top_line) return (intersect / (sum_area - intersect))*1.0 if __name__=='__main__': rect1 = (661, 27, 679, 47) # (top, left, bottom, right) rect2 = (662, 27, 682, 47) iou = compute_iou(rect1, rect2) print(iou)

补充知识：基于Python实现的IOU算法---最简单易懂的代码实现

概念介绍：

交并比:(Intersection over Union)

如上图所示，IOU值定位为两个矩形框面积的交集和并集的比值。即:

交并比的实现也是非常简单的，执行过程如下：

1. 交集形状的宽度计算为：

IOU_W = min(x1,x2,x3,x4)+w1+w2-max(x1,x2,x3,x4)

2. 交集形状的高度计算为：

IOU_H = min(y1,y2,y3,y4)+h1+h2-max(y1,y2,y3,y4)

其实是很简单的几何关系变换，上面的图可以帮助你很好的理解这个意思。

代码实现：001-IOU计算

以上这篇python实现IOU计算案例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。