iou代码实现

以下是一个简单的Python代码示例，用于计算两个矩形框之间的IOU值：

def iou(box1, box2):
    # 计算两个矩形框的交集区域
    x1 = max(box1[0], box2[0])
    y1 = max(box1[1], box2[1])
    x2 = min(box1[2], box2[2])
    y2 = min(box1[3], box2[3])
    intersection = max(0, x2 - x1) * max(0, y2 - y1)
    # 计算两个矩形框的并集区域
    area1 = (box1[2] - box1[0]) * (box1[3] - box1[1])
    area2 = (box2[2] - box2[0]) * (box2[3] - box2[1])
    union = area1 + area2 - intersection
    # 计算IOU值
    iou = intersection / union
    return iou

其中，box1和box2分别表示两个矩形框的左上角和右下角坐标，格式为`(x1, y1, x2, y2)`。函数返回两个矩形框的IOU值。

相关问题

语义分割IoU实现代码

以下是Python中计算语义分割IoU的实现代码：

import numpy as np

def iou(y_true, y_pred, smooth=1):
    intersection = np.sum(y_true * y_pred)
    union = np.sum(y_true) + np.sum(y_pred) - intersection
    iou_score = (intersection + smooth) / (union + smooth)
    return iou_score

其中，y_true和y_pred分别是真实标签和预测标签，smooth是为了防止分母为0而添加的平滑项。函数返回的是IoU得分。

语义分割计算iou代码

计算语义分割的IOU（Intersection over Union）可以使用以下代码实现：

import numpy as np

def calculate_iou(pred_mask, true_mask):
    # 将预测和真实掩膜转换为布尔值
    pred_mask = pred_mask.astype(bool)
    true_mask = true_mask.astype(bool)
    
    # 计算交集和并集
    intersection = np.logical_and(pred_mask, true_mask)
    union = np.logical_or(pred_mask, true_mask)
    
    # 计算IOU
    iou_score = np.sum(intersection) / np.sum(union)
    
    return iou_score

这段代码首先将预测掩膜和真实掩膜转换为布尔值，然后计算交集和并集。最后，通过计算交集的像素数除以并集的像素数，得到IOU分数。