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。