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

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

浅谈主机加固,六种有效的主机加固方法

在数字化时代,数据的价值不言而喻,但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露,企业的数据安全面临着前所未有的挑战。为了应对这些挑战,一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案,采用先进的安全容器中间件技术,构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限,即使在管理员权限被恶意利用的情况下,也能确保服务器的安全稳定运行。 普适主机加固措施:

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

poj 1113 凸包+简单几何计算

题意: 给N个平面上的点,现在要在离点外L米处建城墙,使得城墙把所有点都包含进去且城墙的长度最短。 解析: 韬哥出的某次训练赛上A出的第一道计算几何,算是大水题吧。 用convexhull算法把凸包求出来,然后加加减减就A了。 计算见下图: 好久没玩画图了啊好开心。 代码: #include <iostream>#include <cstdio>#inclu

uva 1342 欧拉定理(计算几何模板)

题意: 给几个点,把这几个点用直线连起来,求这些直线把平面分成了几个。 解析: 欧拉定理: 顶点数 + 面数 - 边数= 2。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc

uva 11178 计算集合模板题

题意: 求三角形行三个角三等分点射线交出的内三角形坐标。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vector>#include <

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti