2つの検出間の交差と和集合 質問する

ユニオンの交差点を試してください

交差和集合は、特定のデータセットにおけるオブジェクト検出器の精度を測定するために使用される評価メトリックです。

より正式には、Union に Intersection を適用して (任意の) オブジェクト検出器を評価するには、次のものが必要です。

1. グラウンドトゥルース境界ボックス (つまり、画像内のオブジェクトの位置を指定するテスト セットからの手動でラベル付けされた境界ボックス)。
2. モデルから予測された境界ボックス。

以下に、実際の境界ボックスと予測された境界ボックスの視覚的な例を示します。

予測された境界ボックスは赤で描画され、実際の境界ボックス（つまり、手動でラベル付けされた境界ボックス）は緑で描画されます。

上の図では、オブジェクト検出器が画像内に一時停止標識が存在することを検出したことがわかります。

したがって、和集合上の積集合の計算は次のようにして決定できます。

これら 2 セットの境界ボックスがあれば、Union よりも Intersection を適用できます。

Pythonコードはこちら

# import the necessary packages
from collections import namedtuple
import numpy as np
import cv2

# define the `Detection` object
Detection = namedtuple("Detection", ["image_path", "gt", "pred"])

def bb_intersection_over_union(boxA, boxB):
    # determine the (x, y)-coordinates of the intersection rectangle
    xA = max(boxA[0], boxB[0])
    yA = max(boxA[1], boxB[1])
    xB = min(boxA[2], boxB[2])
    yB = min(boxA[3], boxB[3])

    # compute the area of intersection rectangle
    interArea = (xB - xA) * (yB - yA)

    # compute the area of both the prediction and ground-truth
    # rectangles
    boxAArea = (boxA[2] - boxA[0]) * (boxA[3] - boxA[1])
    boxBArea = (boxB[2] - boxB[0]) * (boxB[3] - boxB[1])

    # compute the intersection over union by taking the intersection
    # area and dividing it by the sum of prediction + ground-truth
    # areas - the interesection area
    iou = interArea / float(boxAArea + boxBArea - interArea)

    # return the intersection over union value
    return iou