目标检测算法中规则矩形和不规则四边形IOU的Python实现

交并比(Intersection-over-Union，IoU)，目标检测中使用的一个概念，我们在进行目标检测算法测试时，重要的指标，是产生的预测框(candidate bound)与标记框(ground truth bound)的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。

【资料图】

交并比(Intersection-over-Union，IoU)，目标检测中使用的一个概念，我们在进行目标检测算法测试时，重要的指标，是产生的预测框(candidate bound)与标记框(ground truth bound)的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。

通常，我们所说的目标检测检测的框是规则的矩形框，计算IOU也非常简单，一般两种方法：

上述规则四边形(矩形)IOU计算方式一的 Python实现

defcalculate_regular_iou(rec1,rec2):"""computingIoU:paramrec1:(y0,x0,y1,x1),whichreflects(top,left,bottom,right):paramrec2:(y0,x0,y1,x1):return:scalavalueofIoU"""S_rec1=(rec1[2]-rec1[0])*(rec1[3]-rec1[1])S_rec2=(rec2[2]-rec2[0])*(rec2[3]-rec2[1])sum_area=S_rec1+S_rec2​left_line=max(rec1[1],rec2[1])right_line=min(rec1[3],rec2[3])top_line=max(rec1[0],rec2[0])bottom_line=min(rec1[2],rec2[2])​ifleft_line>=right_lineortop_line>=bottom_line:return0else:intersect=(right_line-left_line)*(bottom_line-top_line)return(intersect/(sum_area-intersect))*1.0if__name__=="__main__":#(top,left,bottom,right)rect1=[551,26,657,45]rect2=[552,27,672,46]iou=calculate_regular_iou(rect1,rect2)

上述规则四边形(矩形)IOU计算方式二的 Python 实现

defcompute_regular_iou_other(rec1,rec2):"""computingIoU:paramrec1:(y0,x0,y1,x1),whichreflects(top,left,bottom,right):paramrec2:(y0,x0,y1,x1):return:scalavalueofIoU"""areas1=(rec1[3]-rec1[1])*(rec1[2]-rec1[0])areas2=(rec2[3]-rec2[1])*(rec2[2]-rec2[0])​left=max(rec1[1],rec2[1])​right=min(rec1[3],rec2[3])​top=max(rec1[0],rec2[0])​bottom=min(rec1[2],rec2[2])​w=max(0,right-left)h=max(0,bottom-top)​returnw*h/(areas2+areas1-w*h)​if__name__=="__main__":#(top,left,bottom,right)rect1=[551,26,657,45]rect2=[552,27,672,46]iou=compute_regular_iou_other(rect1,rect2)

但是，对于不规则四边形就不能通过上述这两种方式来计算，这里可以使用Python的 Shapely 库实现，Python 实现如下：

importnumpyasnpimportshapelyfromshapely.errorsimportTopologicalErrorfromshapely.geometryimportPolygon,MultiPoint​defto_polygon(quadrilateral):"""​:paramquadrilateral:四边形四个点坐标的一维数组表示，[x,y,x,y....]:return:四边形二维数组,Polygon四边形对象"""#四边形二维数组表示quadrilateral_array=np.array(quadrilateral).reshape(4,2)#Polygon四边形对象，会自动计算四个点，最后四个点顺序为：左上左下右下右上左上quadrilateral_polygon=Polygon(quadrilateral_array).convex_hull​returnquadrilateral_array,quadrilateral_polygon​defcalculate_iou(actual_quadrilateral,predict_quadrilateral):"""​:paramactual_quadrilateral:预测四边形四个点坐标的一维数组表示，[x,y,x,y....]:parampredict_quadrilateral:期望四边形四个点坐标的一维数组表示，[x,y,x,y....]:return:"""#预测四边形二维数组,预测四边形Polygon对象actual_quadrilateral_array,actual_quadrilateral_polygon=to_polygon(actual_quadrilateral)#期望四边形二维数组,期望四边形Polygon对象predict_quadrilateral_array,predict_quadrilateral_polygon=to_polygon(predict_quadrilateral)​#合并两个box坐标，变为8*2便于后面计算并集面积union_poly=np.concatenate((actual_quadrilateral_array,predict_quadrilateral_array))#两两四边形是否存在交集inter_status=actual_quadrilateral_polygon.intersects(predict_quadrilateral_polygon)#如果两四边形相交，则进iou计算ifinter_status:try:#交集面积inter_area=actual_quadrilateral_polygon.intersection(predict_quadrilateral_polygon).area#并集面积计算方式一#union_area=poly1.area+poly2.area-inter_area#并集面积计算方式二union_area=MultiPoint(union_poly).convex_hull.area#若并集面积等于0,则iou=0ifunion_area==0:iou=0else:#第一种计算的是:交集部分/包含两个四边形最小多边形的面积iou=float(inter_area)/union_area#第二种：交集/并集（常见矩形框IOU计算方式）#iou=float(inter_area)/(poly1.area+poly2.area-inter_area)exceptshapely.errors.TopologicalError:print("shapely.errors.TopologicalErroroccured,iousetto0")iou=0else:iou=0​returniou​if__name__=="__main__":actual_quadrilateral=[908,215,934,312,752,355,728,252]predict_quadrilateral=[923,308,758,342,741,262,907,228]iou=calculate_iou(actual_quadrilateral,predict_quadrilateral)print(iou)

避坑指南

运行代码抛出 WinError 126 错误

在使用Python中的使用 import shapely 时不会报错，但是在使用 from shapely.geometry import Polygon,MultiPoint 会报错，报错的详细信息如下图：

报错的主要原因就出现在 geos_c.dll 这里，看了网上很多文章大部分说是由于 geos_c.dll 文件缺失导致报错。尝试在网上找了几个 geos_c.dll 文件放到 C:\Windows\System32 下仍然没有解决问题。

最终解决方案：通过 pip uninstall Shapely 卸载原来安装的 Shapely 然后 在 https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely，如上图，这里下载对应版本的whl文件安装，安装这个whl 就可以解决该问题。

whl文件下载404错误

在 https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely 下载制定版本的whl时，出现404错误。如下。

此时改用 chrome 浏览器重新尝试下载，即可解决。