主要介绍了python shapely.geometry.polygon任意两个四边形的IOU计算实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

在目标检测中一个很重要的问题就是NMS及IOU计算，而一般所说的目标检测检测的box是规则矩形框，计算IOU也非常简单，有两种方法： 1. 两个矩形的宽之和减去组合后的矩形的宽就是重叠矩形的宽，同比重叠矩形的高 2. 右下角的minx减去左上角的maxx就是重叠矩形的宽，同比高 然后 IOU = 重叠面积 / （两矩形面积和—重叠面积） 然，不规则四边形就不能通过这种方式来计算，找了好久数学资料，还是没找到答案（鄙人数学渣渣），最后看了白翔老师的textBoxes++论文源码后，知道python的shapely包可以直接做到，下面给出的代码和注释： import numpy as np im

主要介绍了python实现IOU计算案例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Intersection over Union（IOU）是一种测量在特定数据集中检测相应物体准确度的一个标准。IoU是一个简单的测量标准，只要是在输出中得出一个预测范围(bounding boxes)的任务都可以用IoU来进行测量。 IoU分数是对象类别分割问题的标准性能度量 [1] 。 给定一组图像，IoU测量给出了在该组图像中存在的对象的预测区域和地面实况区域之间的相似性 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。 代码如下 #!/usr/bin/env python # encoding: