查看样本大小分布，样本比例分布，样本GT与锚框的iou分布的python代码以及可视化

这里给出三个问题的 Python 代码以及可视化方法：

1. 查看样本大小分布：

import matplotlib.pyplot as plt

# 计算每个样本的大小
sample_sizes = []
for sample in samples:
    sample_sizes.append(len(sample))

# 绘制直方图
plt.hist(sample_sizes, bins=20, color='steelblue', edgecolor='k')
plt.xlabel('Sample Size')
plt.ylabel('Frequency')
plt.title('Distribution of Sample Sizes')
plt.show()

2. 查看样本比例分布：

import matplotlib.pyplot as plt

# 计算每个样本的正负样本比例
sample_ratios = []
for sample in samples:
    pos_num = len([bbox for bbox in sample if bbox[4] == 1])
    neg_num = len(sample) - pos_num
    sample_ratios.append(pos_num / neg_num)

# 绘制直方图
plt.hist(sample_ratios, bins=20, color='steelblue', edgecolor='k')
plt.xlabel('Positive/Negative Ratio')
plt.ylabel('Frequency')
plt.title('Distribution of Sample Ratios')
plt.show()

3. 查看样本 GT 与锚框的 IoU 分布：

import matplotlib.pyplot as plt

# 计算每个样本中 GT 和锚框的 IoU
ious = []
for sample in samples:
    for bbox in sample:
        iou = calculate_iou(bbox[:4], gt_bbox)
        ious.append(iou)

# 绘制直方图
plt.hist(ious, bins=20, color='steelblue', edgecolor='k')
plt.xlabel('IoU')
plt.ylabel('Frequency')
plt.title('Distribution of IoUs')
plt.show()

其中，`samples` 为样本数据，每个样本包含多个锚框（或其他检测框），`gt_bbox` 为对应的真实边界框。`calculate_iou` 为计算两个边界框 IoU 的函数。可视化结果包括直方图和标题，可以根据需要进行调整。