旋转框(obb)目标检测计算iou的方法

2023-11-30 20:36

本文主要是介绍旋转框(obb)目标检测计算iou的方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

首先先定义一组多边形,这里的数据来自前后帧的检测结果

 pre = [[[860.0, 374.0], [823.38, 435.23], [716.38, 371.23], [753.0, 310.0]],[[829.0, 465.0], [826.22, 544.01], [684.0, 539.0], [686.78, 459.99]],[[885.72, 574.95], [891.0, 648.0], [725.0, 660.0], [719.72, 586.95]],[[1164.0, 406.0], [1101.05, 410.72], [1095.0, 330.0], [1157.95, 325.28]],[[953.04, 102.78], [955.04, 138.78], [915.0, 141.0], [913.0, 105.0]],[[1173.0, 524.0], [1104.0, 524.0], [1104.0, 437.0], [1173.0, 437.0]],[[879.0, 297.0], [831.45, 340.49], [756.0, 258.0], [803.55, 214.51]],[[1136.79, 226.81], [1176.33, 263.31], [1111.54, 333.5], [1072.0, 297.0]],[[835.42, 225.76], [790.0, 251.0], [750.66, 180.19], [796.08, 154.95]],[[887.0, 196.0], [839.04, 208.16], [821.0, 137.0], [868.96, 124.84]],[[1033.0, 109.0], [1027.07, 142.01], [988.0, 135.0], [993.93, 101.99]],[[1056.0, 83.0], [1093.09, 90.53], [1080.0, 155.0], [1042.91, 147.47]],[[1064.01, 155.84], [1104.0, 158.0], [1099.99, 232.16], [1060.0, 230.0]],[[1087.06, 118.88], [1124.0, 137.0], [1097.94, 190.12], [1061.0, 172.0]]]post = [[[860.44, 373.25], [825.0, 434.0], [716.56, 370.75], [752.0, 310.0]],[[829.0, 466.0], [825.64, 545.03], [684.64, 539.03], [688.0, 460.0]],[[884.04, 575.0], [889.0, 649.0], [724.96, 660.0], [720.0, 586.0]],[[1163.0, 406.0], [1100.0, 410.0], [1094.92, 329.94], [1157.92, 325.94]],[[953.0, 103.0], [955.56, 137.96], [914.56, 140.96], [912.0, 106.0]],[[1173.0, 524.0], [1104.0, 524.0], [1104.0, 438.0], [1173.0, 438.0]],[[880.0, 297.0], [831.0, 342.0], [755.34, 259.61], [804.34, 214.61]],[[1137.31, 226.66], [1177.0, 263.0], [1112.0, 334.0], [1072.31, 297.66]],[[887.06, 194.23], [840.0, 207.0], [820.94, 136.77], [868.0, 124.0]],[[836.69, 224.57], [792.69, 251.57], [750.0, 182.0], [794.0, 155.0]],[[1033.0, 106.0], [1030.0, 143.0], [987.95, 139.59], [990.95, 102.59]],[[1055.95, 83.27], [1094.0, 91.0], [1081.0, 155.0], [1042.95, 147.27]],[[1064.0, 155.0], [1105.02, 156.05], [1103.02, 234.05], [1062.0, 233.0]],[[1081.72, 120.74], [1120.0, 135.0], [1101.0, 186.0], [1062.72, 171.74]]]

其中的每个列表元素代表一个多边形,列表中包含四个元素,分别代表多边形的顶点坐标

    import numpy as npimport cv2# 创建一个全白图像image = np.ones((1080, 1920, 3), dtype=np.uint8) * 255for i, poly in enumerate(pre):polygon_list = np.array(poly, np.int32)cv2.drawContours(image, contours=[polygon_list], contourIdx=-1, color=(0, 0, 255), thickness=2)for i, poly in enumerate(post):polygon_list = np.array(poly, np.int32)cv2.drawContours(image, contours=[polygon_list], contourIdx=-1, color=(255, 0, 0), thickness=2)cv2.imshow("Image", image)cv2.waitKey(0)cv2.destroyAllWindows()

用opencv将这些坐标画出来:

方法一

使用opencv内置函数计算iou

    def bbox_overlaps(boxes, query_boxes):""" Calculate IoU(intersection-over-union) and angle difference for each input boxes and query_boxes. """if isinstance(boxes, list):boxes = np.array(boxes)if isinstance(query_boxes, list):query_boxes = np.array(query_boxes)N = boxes.shape[0]K = query_boxes.shape[0]boxes = np.round(boxes, decimals=2)query_boxes = np.round(query_boxes, decimals=2)overlaps = np.reshape(np.zeros((N, K)), (N, K))delta_theta = np.reshape(np.zeros((N, K)), (N, K))for k in range(K):rect1 = ((query_boxes[k][0], query_boxes[k][1]),(query_boxes[k][2], query_boxes[k][3]),query_boxes[k][4])for n in range(N):rect2 = ((boxes[n][0], boxes[n][1]),(boxes[n][2], boxes[n][3]),boxes[n][4])# can check official document of opencv for detailsnum_int, points = cv2.rotatedRectangleIntersection(rect1, rect2)S1 = query_boxes[k][2] * query_boxes[k][3]S2 = boxes[n][2] * boxes[n][3]if num_int == 1 and len(points) > 2:s = cv2.contourArea(cv2.convexHull(points, returnPoints=True))overlaps[n][k] = s / (S1 + S2 - s)elif num_int == 2:overlaps[n][k] = min(S1, S2) / max(S1, S2)delta_theta[n][k] = np.abs(query_boxes[k][4] - boxes[n][4])return overlaps, delta_thetaoverlaps = bbox_overlaps(np.array(pre).reshape(-1,8),np.array(post).reshape(-1,8))[0]print(overlaps)

运行结果如下: 

可以看到其中存在一些异常值,就是有些明明没有交集的部分也会产生比较高的iou值

方法二

使用shapely

    from shapely.geometry import Polygondef calculate_iou(poly1, poly2):# 计算两个多边形的交集面积intersection_area = calculate_intersection(poly1, poly2)# 计算两个多边形的并集面积union_area = calculate_union(poly1, poly2)# 计算IoU值iou = intersection_area / union_areareturn ioudef calculate_intersection(poly1, poly2):# 计算多边形的交集面积# 这里使用你选择的多边形交集计算方法,例如使用Shapely库的intersection()函数intersection = poly1.intersection(poly2)intersection_area = intersection.areareturn intersection_areadef calculate_union(poly1, poly2):# 计算多边形的并集面积# 这里使用你选择的多边形并集计算方法,例如使用Shapely库的union()函数union = poly1.union(poly2)union_area = union.areareturn union_areadef bbox_overlaps_shapely(boxes, query_boxes):""" Calculate IoU(intersection-over-union) and angle difference for each input boxes and query_boxes. """if isinstance(boxes, list):boxes = np.array(boxes)if isinstance(query_boxes, list):query_boxes = np.array(query_boxes)N = boxes.shape[0]K = query_boxes.shape[0]boxes = np.round(boxes, decimals=2)query_boxes = np.round(query_boxes, decimals=2)overlaps = np.reshape(np.zeros((N, K)), (N, K))delta_theta = np.reshape(np.zeros((N, K)), (N, K))for k in range(K):q_box = Polygon(query_boxes[k].reshape(-1, 2).tolist())for n in range(N):d_box = Polygon(boxes[n].reshape(-1, 2).tolist())overlaps[n][k] = calculate_iou(q_box, d_box)return overlaps, delta_thetaoverlaps = bbox_overlaps_shapely(np.array(pre).reshape(-1,8),np.array(post).reshape(-1,8))[0]print(overlaps)

运行结果如下:

可以看到这个结果相比方法一中的结果要更加准确一些 

方法三

cuda内置的函数,需要编译环境,就不展开了

这篇关于旋转框(obb)目标检测计算iou的方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/438453

相关文章

Java中Arrays类和Collections类常用方法示例详解

《Java中Arrays类和Collections类常用方法示例详解》本文总结了Java中Arrays和Collections类的常用方法,涵盖数组填充、排序、搜索、复制、列表转换等操作,帮助开发者高... 目录Arrays.fill()相关用法Arrays.toString()Arrays.sort()A

Nginx安全防护的多种方法

《Nginx安全防护的多种方法》在生产环境中,需要隐藏Nginx的版本号,以避免泄漏Nginx的版本,使攻击者不能针对特定版本进行攻击,下面就来介绍一下Nginx安全防护的方法,感兴趣的可以了解一下... 目录核心安全配置1.编译安装 Nginx2.隐藏版本号3.限制危险请求方法4.请求限制(CC攻击防御)

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口

MySQL深分页进行性能优化的常见方法

《MySQL深分页进行性能优化的常见方法》在Web应用中,分页查询是数据库操作中的常见需求,然而,在面对大型数据集时,深分页(deeppagination)却成为了性能优化的一个挑战,在本文中,我们将... 目录引言:深分页,真的只是“翻页慢”那么简单吗?一、背景介绍二、深分页的性能问题三、业务场景分析四、

JAVA中安装多个JDK的方法

《JAVA中安装多个JDK的方法》文章介绍了在Windows系统上安装多个JDK版本的方法,包括下载、安装路径修改、环境变量配置(JAVA_HOME和Path),并说明如何通过调整JAVA_HOME在... 首先去oracle官网下载好两个版本不同的jdk(需要登录Oracle账号,没有可以免费注册)下载完

Java中读取YAML文件配置信息常见问题及解决方法

《Java中读取YAML文件配置信息常见问题及解决方法》:本文主要介绍Java中读取YAML文件配置信息常见问题及解决方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要... 目录1 使用Spring Boot的@ConfigurationProperties2. 使用@Valu

Linux系统性能检测命令详解

《Linux系统性能检测命令详解》本文介绍了Linux系统常用的监控命令(如top、vmstat、iostat、htop等)及其参数功能,涵盖进程状态、内存使用、磁盘I/O、系统负载等多维度资源监控,... 目录toppsuptimevmstatIOStatiotopslabtophtopdstatnmon

Java 方法重载Overload常见误区及注意事项

《Java方法重载Overload常见误区及注意事项》Java方法重载允许同一类中同名方法通过参数类型、数量、顺序差异实现功能扩展,提升代码灵活性,核心条件为参数列表不同,不涉及返回类型、访问修饰符... 目录Java 方法重载(Overload)详解一、方法重载的核心条件二、构成方法重载的具体情况三、不构

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I