目标检测计算TP,FP,FN代码

以下是Python代码示例，用于计算目标检测中的True positive（TP）、False positive（FP）和False negative（FN）：

def calculate_TP_FP_FN(pred_boxes, true_boxes, iou_thresh):
    # pred_boxes: 预测框的坐标，格式为[x_min, y_min, x_max, y_max]
    # true_boxes: 真实框的坐标，格式为[x_min, y_min, x_max, y_max]
    # iou_thresh: IOU阈值
    
    TP = 0
    FP = 0
    FN = 0
    
    # 对于每个预测框，找到与其IOU大于阈值的真实框
    for i in range(len(pred_boxes)):
        iou_max = 0
        match = -1
        for j in range(len(true_boxes)):
            iou = calculate_iou(pred_boxes[i], true_boxes[j])
            if iou > iou_thresh and iou > iou_max:
                iou_max = iou
                match = j
        
        # 如果找到了匹配的真实框，则计算TP
        if match != -1:
            TP += 1
            true_boxes.pop(match)
        # 否则，计算FP
        else:
            FP += 1
    
    # 计算未匹配的真实框数，即FN
    FN = len(true_boxes)
    
    return TP, FP, FN


def calculate_iou(box1, box2):
    # box1和box2的格式为[x_min, y_min, x_max, y_max]
    
    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)
    area_box1 = (box1[2] - box1[0]) * (box1[3] - box1[1])
    area_box2 = (box2[2] - box2[0]) * (box2[3] - box2[1])
    union = area_box1 + area_box2 - intersection
    
    iou = intersection / union
    return iou

其中，`calculate_iou`函数用于计算两个框之间的IOU，`calculate_TP_FP_FN`函数用于计算TP、FP和FN。其中，输入的预测框和真实框均为坐标格式，即左上角和右下角的坐标值。