Torch 两个矩形框重叠面积的计算 (IoU between tow bounding box)

简介: Torch 两个矩形框重叠面积的计算 (IoU between tow bounding box)    1 function DecideOberlap(BBox_x1, BBox_y1, BBox_x2, BBox_y2, BBox_gt_x1, BBox_gt_y1, BBox...

 

Torch 两个矩形框重叠面积的计算 (IoU between tow bounding box)

 

 

 

 1 function DecideOberlap(BBox_x1, BBox_y1, BBox_x2, BBox_y2, BBox_gt_x1, BBox_gt_y1, BBox_gt_x2, BBox_gt_y2)
 2 
 3     x1 = BBox_x1;
 4     y1 = BBox_y1;
 5     width1  = BBox_x2 - BBox_x1;
 6     height1 = BBox_y2 - BBox_y1;
 7 
 8     x2 = BBox_gt_x1;
 9     y2 = BBox_gt_y1;
10     width2  = BBox_gt_x2 - BBox_gt_x1;
11     height2 = BBox_gt_y2 - BBox_gt_y1;
12 
13     endx     = math.max(x1+width1, x2+width2);
14     startx     = math.min(x1, x2);
15     width     = width1 + width2 - (endx - startx);
16 
17     endy = math.max(y1 + height1, y2 + height2);
18     starty = math.min(y1, y2);
19     height = height1 + height2 - (endy - starty);
20 
21     if width<=0 or height<=0 then 
22         ratio = 0;
23     else
24         Area = width*height;
25         Area1 = width1*height1;
26         Area2 = width2*height2;
27         ratio = Area/Area1;
28     end
29 
30     return ratio 
31 
32 end 

 

相关文章
|
存储 人工智能 算法
聚类的k值确定之轮廓系数
聚类的k值确定之轮廓系数
1271 0
|
7月前
|
Python
轮廓的矩
【6月更文挑战第25天】轮廓的矩。
61 1
|
6月前
|
计算机视觉
【YOLOv10改进-损失函数】Shape-IoU:考虑边框形状与尺度的指标
YOLO目标检测专栏探讨了边框回归损失的创新方法,强调了目标形状和尺度对结果的影响。提出的新方法Shape-IoU关注边框自身属性,通过聚焦形状和尺度提高回归精度。实验显示,该方法提升了检测效果,超越现有技术,在多个任务中达到SOTA。论文和代码已公开。
|
8月前
|
计算机视觉
【YOLOv8改进】Shape-IoU:考虑边框形状与尺度的指标(论文笔记+引入代码)
YOLO目标检测专栏探讨了边框回归损失的创新方法,强调了目标形状和尺度对结果的影响。提出的新方法Shape-IoU关注边框自身属性,通过聚焦形状和尺度提高回归精度。实验显示,该方法提升了检测效果,超越现有技术,在多个任务中达到SOTA。论文和代码已公开。
|
7月前
|
算法 计算机视觉
图像处理之快速均值模糊(Box Blur)
图像处理之快速均值模糊(Box Blur)
58 0
|
8月前
[Halcon&拟合] 拟合直线边缘并计算距离
[Halcon&拟合] 拟合直线边缘并计算距离
282 0
|
算法
巧解“求取矩形面积划分”
巧解“求取矩形面积划分”
115 0
|
存储 API 图形学
OpenCV_11 轮廓检测:图像的轮廓+绘制轮廓+轮廓近似+边界矩形+椭圆拟合+直线拟合
轮廓检测指检测图像中的对象边界,更偏向于关注上层语义对象。如OpenCV中的findContours()函数, 它会得到每一个轮廓并以点向量方式存储,除此也得到一个图像的拓扑信息,即一个轮廓的后一个轮廓、前一个轮廓等的索引编号。
1982 0
|
资源调度 计算机视觉
CV10 图像模糊(均值、高斯、中值、双边滤波)
当我们只想得到感兴趣的物体时,通过图像模糊,可以将那些尺寸和亮度较小的物体过滤掉,较大的物体则易于检测。除了降低噪声,这就是图像平滑(模糊)的另一个重要应用:减少噪点,突出ROI,以便目标提取。
409 0