一、簡介
IOU的全稱為交并比（Intersection over Union），是目標檢測中使用的一個概念，IoU計算的是“預測的邊框”和“真實的邊框”的交疊率，即它們的交集和并集的比值。最理想情況是完全重疊，即比值為1。
二、計算
《一文搞懂IoU發展歷程》GIoU、DIoU、CIoU、EIoU、αIoU、SIoU-阿里云開發者社區
目標檢測-Iou(交并比)理解-CSDN博客
IoU等于“預測的邊框”和“真實的邊框”之間交集和并集的比值。IoU計算如下圖，B1為真實邊框，B2為預測邊框?
計算如下：
union=9+12=21
inter=2
IOU=2/21=0.095
?
import numpy as np
def Iou(box1, box2, wh=False):if wh == False:xmin1, ymin1, xmax1, ymax1 = box1xmin2, ymin2, xmax2, ymax2 = box2else:xmin1, ymin1 = int(box1[0]-box1[2]/2.0), int(box1[1]-box1[3]/2.0)xmax1, ymax1 = int(box1[0]+box1[2]/2.0), int(box1[1]+box1[3]/2.0)xmin2, ymin2 = int(box2[0]-box2[2]/2.0), int(box2[1]-box2[3]/2.0)xmax2, ymax2 = int(box2[0]+box2[2]/2.0), int(box2[1]+box2[3]/2.0)# 獲取矩形框交集對應的左上角和右下角的坐標（intersection）xx1 = np.max([xmin1, xmin2])yy1 = np.max([ymin1, ymin2])xx2 = np.min([xmax1, xmax2])yy2 = np.min([ymax1, ymax2]) # 計算兩個矩形框面積area1 = (xmax1-xmin1) * (ymax1-ymin1) area2 = (xmax2-xmin2) * (ymax2-ymin2)inter_area = (np.max([0, xx2-xx1])) * (np.max([0, yy2-yy1])) #計算交集面積iou = inter_area / (area1+area2-inter_area+1e-6) #計算交并比return iou
