yolov5iou怎么查看

要查看 YOLOv5 模型的 IoU（Intersection over Union），您需要执行以下步骤：

1. 首先，您需要使用 YOLOv5 模型进行对象检测并获得预测的边界框和类别。
2. 接下来，您需要将预测的边界框与真实的边界框进行比较，以计算它们之间的 IoU。
3. IoU 可以通过以下公式计算：IoU = Intersection(A, B) / Union(A, B)，其中 A 和 B 是两个边界框，Intersection(A, B) 是它们的交集，Union(A, B) 是它们的并集。

您可以使用 Python 中的 OpenCV 或 Numpy 库来执行这些计算。以下是一个示例代码片段，可以计算单个预测边界框的 IoU：

import numpy as np
import cv2

# 定义预测边界框和真实边界框
pred_box = [x1, y1, x2, y2] # 左上角和右下角坐标
true_box = [x1, y1, x2, y2]

# 计算交集和并集
x1_i = max(pred_box[0], true_box[0])
y1_i = max(pred_box[1], true_box[1])
x2_i = min(pred_box[2], true_box[2])
y2_i = min(pred_box[3], true_box[3])
intersection = max(0, x2_i - x1_i) * max(0, y2_i - y1_i)
union = (pred_box[2] - pred_box[0]) * (pred_box[3] - pred_box[1]) + (true_box[2] - true_box[0]) * (true_box[3] - true_box[1]) - intersection

# 计算 IoU
iou = intersection / union
print("IoU:", iou)

如果您需要计算多个预测边界框的平均 IoU，则可以在检测图像的所有对象上执行此操作，并将 IoU 求平均。