本文主要是介绍python numpy极简版代码实现IOU和NMS，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！
搞视觉的出去求职，这道题也是高频出现要求手写的题目。当然搞CV不会IOU/NMS，堪比翟天临博士没听过知网。
开始面试前，对这道题一定要做到必知必会！
讲解见我另外一篇博客：numpy实现目标检测中的IOU和NMS
代码实现版本见：
import numpy as npdef compute_iou(box1, box2):# 计算两个矩形的交集x1 = max(box1[0], box2[0])y1 = max(box1[1], box2[1])x2 = min(box1[2], box2[2])y2 = min(box1[3], box2[3])intersection = max(0, x2 - x1) * max(0, y2 - y1)# 计算两个矩形的并集area1 = (box1[2] - box1[0]) * (box1[3] - box1[1])area2 = (box2[2] - box2[0]) * (box2[3] - box2[1])union = area1 + area2 - intersection# 计算IoUiou = intersection / unionreturn iou
def nms(boxes, scores, threshold):# 对得分进行降序排序sorted_indices = np.argsort(-scores)# 初始化结果列表result = []# 遍历排序后的得分列表for i in sorted_indices:# 如果当前得分对应的框没有被添加到结果列表中if len(result) == 0 or compute_iou(result[-1], boxes[i]) < threshold:result.append(boxes[i])# 返回结果列表return resultdef main():# 定义一些测试数据boxes = np.array([[10, 20, 30, 40], [20, 30, 40, 50], [30, 40, 50, 60], [40, 50, 60, 70]])scores = np.array([0.9, 0.8, 0.7, 0.6])threshold = 0.5# 调用nms函数result = nms(boxes, scores, threshold)# 打印结果print("NMS结果：", result)if __name__ == "__main__":main()这篇关于python numpy极简版代码实现IOU和NMS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！
