Lecture 03 学习讲义
正文
工具
按问题查找
Lecture 031 · 坐标先说清:连续 xyxy,不加一

1 · 坐标先说清:连续 xyxy,不加一

独立阅读

并入相关学习路径

固定框匹配、PR/AP、NMS误删相邻对象反例

1 · 坐标先说清:连续 xyxy,不加一

框写成 (x1, y1, x2, y2),表示连续坐标边界。宽为 max(0, x2-x1),高为 max(0, y2-y1);面积计算不使用像素闭区间的 +1。本实验允许零面积框,其零并集 IoU 约定为 0;拒绝倒置坐标和非有限数。

两框交集的左上角是两组左上角的逐坐标最大值,右下角是两组右下角的逐坐标最小值;先把交集宽高截断到非负,再相乘。

IoU⁡(A,B)=∣A∩B∣∣A∣+∣B∣−∣A∩B∣. \operatorname{IoU}(A,B)=\frac{|A\cap B|}{|A|+|B|-|A\cap B|}.

GT1=(0,0,2,2),GT2=(3,0,5,2),面积均为 4。所有预测属于同一类别;分数用于排名,不是本例的真实正确概率。

预测 分数 xyxy 与 GT1 的 IoU 与 GT2 的 IoU
P1 0.90 (0,0,2,2) 1 0
P2 0.80 (0.2,0,2.2,2) 9/11 ≈ 0.818182 0
P3 0.70 (3.4,0,5.4,2) 0 2/3 ≈ 0.666667
P4 0.40 (7,7,8,8) 0 0

输入 shape 为 GT (2,4)、预测 (4,4)、分数 (4,)。广播计算得到 (4,2) IoU 矩阵:行是预测,列是真值。手算 P2:交集 1.8×2=3.6,并集 4+4−3.6=4.4,所以 IoU=3.6/4.4=9/11。P3 的交集为 1.6×2=3.2,并集为 4.8。

下方代码先核对 IoU 矩阵;最后的可视化代码格会显示坐标图。