yolov8输出iou

### 如何在 YOLOv8 中获取或输出 IoU 计算结果

为了计算和输出YOLOv8中的IoU（交并比），可以采用如下方法：

#### 方法一：基于预定义函数调用
如果使用的YOLOv8框架已经内置了IoU计算功能，则可以直接调用相应的API来获得IoU值。一般情况下，在训练或者评估模式下，这些指标会自动被记录下来。

#### 方法二：自定义实现IoU计算逻辑
当需要手动计算IoU时，可以通过下面的Python代码片段展示如何操作：

def box_iou(box1, box2):
    """
    Return intersection-over-union (Jaccard index) of boxes.
    
    Both sets of boxes are expected to be in xyxy format.

    Arguments:
        box1 (Tensor[N, 4])
        box2 (Tensor[M, 4])
        
    Returns:
        iou (Tensor[N, M]): the NxM matrix containing the pairwise
            IoU values for every element in boxes1 and boxes2
    """

    def box_area(box):
        # box = 4xn
        return (box[2] - box[0]) * (box[3] - box[1])

    area1 = box_area(box1.T)
    area2 = box_area(box2.T)

    lt = torch.max(box1[:, None, :2], box2[:, :2])  # [N,M,2]
    rb = torch.min(box1[:, None, 2:], box2[:, 2:])  # [N,M,2]

    inter = (rb - lt).clamp(min=0).prod(2)
    return inter / (area1[:, None] + area2 - inter)  # iou = inter / (area1 + area2 - inter)

这段代码实现了两个边界框之间的IoU计算，并且能够处理批量数据输入的情况[^1]。

对于想要查看特定测试集上模型表现出来的平均精度均值(mAP)，以及对应的IoU阈值下的性能情况，可以在验证阶段配置好相关参数后执行推理过程即可得到所需的结果。这通常涉及到调整`val.py`脚本里的选项或是命令行工具的相关参数设置[^2]。