解決問題： 不使用for計算兩組、多個矩形兩兩間的iou

使用numpy廣播的方法，在python程式中並不建議使用for語句，python中的for語句耗時較多，如果使用numpy廣播的思想將會提速不少。

程式碼：

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,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

程式中輸入為多個矩形[xmin,ymin,xmax,ymax]格式的陣列或者list，輸出為numpy格式，例：輸入的shape為（3， 4）、（5，4）則輸出為（3， 5）各個位置為boxes間相互的iou值。後面會卡一個iou的閾值，然後就可以將滿足條件的索引取出。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,= np.split(left,= np.split(right,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)]#小的被刪
 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,class2

IOU計算原理：

ymin = np.maximum(ymin1,axis=-1))

xmin = np.maximum(xmin1,axis=-1))

ymax = np.minimum(ymax1,axis=-1))

xmax = np.minimum(xmax1,axis=-1))

h = np.maximum(ymax - ymin,0)

w = np.maximum(xmax - xmin,0)

intersect = h * w

計算矩形間min的最大值，max的最小值，如果ymax-ymin值大於0則如左圖所示，如果小於0則如右圖所示

以上這篇python不使用for計算兩組、多個矩形兩兩間的iou方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。