python不使用for计算两组、多个矩形两两间的iou方式

概述python不使用for计算两组、多个矩形两两间的iou方式 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.arr

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,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,= 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,class2

IoU计算原理：

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

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我们。

总结

以上是内存溢出为你收集整理的python不使用for计算两组、多个矩形两两间的iou方式全部内容，希望文章能够帮你解决python不使用for计算两组、多个矩形两两间的iou方式所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。