Comparer les deux boîtes englobantes les uns avec les autres Matlab

Modifier: j'ai corrigé l'erreur signalé par d'autres utilisateurs.

Je suis en supposant que vous êtes la détection d'un objet et vous tracez un cadre de sélection autour d'elle. Ceci relève largement étudié/objet de recherches de la zone de détection d'objet. La meilleure méthode d'évaluation de l'exactitude du calcul de intersection sur l'union. Ceci est pris à partir de la PASCAL VOC défi, de ici. Voir ici de visuels.

Si vous avez une boîte englobante de la détection et de la vérité terrain de la boîte englobante, puis la zone de chevauchement entre eux doit être supérieure ou égale à 50%. Supposons que la vérité du terrain de la boîte englobante est gt=[x_g,y_g,width_g,height_g] et le prédit de de la boîte englobante est pr=[x_p,y_p,width_p,height_p] puis la zone de chevauchement peut être calculé en utilisant la formule:

intersectionArea = rectint(gt,pr); %If you don't have this function then write a simple one for yourself which calculates area of intersection of two rectangles.
unionArea = (width_g*height_g)+(width_p*height_p)-intersectionArea;
overlapArea = intersectionArea/unionArea; %This should be greater than 0.5 to consider it as a valid detection.

Je l'espère, son clair pour vous maintenant.

Essayer d'intersection sur l'Union

Intersection sur l'Union est une évaluation de la mesure utilisée pour mesurer la précision d'un détecteur d'objets sur un jeu particulier de données.

Plus formellement, pour l'application de l'Intersection sur l'Union pour l'évaluation d'un (arbitraire) détecteur d'objets dont nous avons besoin:

1. Le rez-de-vérité boîtes englobantes (c'est à dire, la main marqué les cases du jeu de test de spécifier où dans l'image de notre objet).
2. Le prédit de boîtes englobantes de notre modèle.

Ci-dessous, j'ai inclus un exemple visuel d'un rez-de-vérité de la boîte englobante rapport à une prévision de la boîte englobante:

Le prédit la boîte englobante est dessiné en rouge tandis que le rez-de-vérité (c'est à dire, la main sur l'étiquette) zone de délimitation est dessiné en vert.

Dans la figure ci-dessus, nous pouvons voir que notre détecteur d'objets a détecté la présence d'un panneau d'arrêt dans une image.

Le calcul de l'Intersection sur l'Union peut donc être déterminé par:

Tant que nous aurons ces deux ensembles de boîtes englobantes nous pouvons appliquer Intersection sur l'Union.

Voici le code Python

# import the necessary packages
from collections import namedtuple
import numpy as np
import cv2
# define the `Detection` object
Detection = namedtuple("Detection", ["image_path", "gt", "pred"])
def bb_intersection_over_union(boxA, boxB):
# determine the (x, y)-coordinates of the intersection rectangle
xA = max(boxA[0], boxB[0])
yA = max(boxA[1], boxB[1])
xB = min(boxA[2], boxB[2])
yB = min(boxA[3], boxB[3])
# compute the area of intersection rectangle
interArea = (xB - xA + 1) * (yB - yA + 1)
# compute the area of both the prediction and ground-truth
# rectangles
boxAArea = (boxA[2] - boxA[0] + 1) * (boxA[3] - boxA[1] + 1)
boxBArea = (boxB[2] - boxB[0] + 1) * (boxB[3] - boxB[1] + 1)
# compute the intersection over union by taking the intersection
# area and dividing it by the sum of prediction + ground-truth
# areas - the interesection area
iou = interArea / float(boxAArea + boxBArea - interArea)
# return the intersection over union value
return iou

La gt et pred sont

1. gt : Au rez-de-vérité de la boîte englobante.
2. pred : Les prévisions de la boîte englobante de notre modèle.

Pour plus d'informations, vous pouvez cliquer sur ce post

Toutes les réponses à la question vous suggérons d'utiliser intersection sur l'union (reconnaissance de dette) métrique. C'est un vectorisé version de reconnaissance de dette qui peut être utilisé pour plusieurs roi correspondance.

function [IoU, match] = rectIoU(R1, R2, treshold)
I = rectint(R1, R2);
A1 = R1(:, 3).*R1(:, 4);
A2 = R2(:, 3).*R2(:, 4);
U = bsxfun(@plus, A1, A2')-I;
IoU = I./U;
if nargout > 1
if nargin<3
treshold = 0.5;
end
match = IoU>treshold;
end
end

Il calcule par paires reconnaissance de dette pour les deux ensembles de boîtes englobantes. Si R1 et R2 chaque spécifier un rectangle, la sortie IoU est un scalaire.

R1 et R2 peut également être matrices, où chaque ligne est un vecteur position ([x y w h]). IoU est alors une matrice donnant la reconnaissance de dette de tous les rectangles spécifié par R1 avec tous les rectangles spécifié par R2. C'est, si R1 est n-by-4 et R2 est m-by-4, puis IoU est un n-by-m matrice où IoU(i,j) est la reconnaissance de dette du rectangle spécifié par le iième ligne de R1 et la jième ligne de R2.

Il accepte également un paramètre scalaire, treshold, pour définir la match de sortie. Taille de match est exactement comme IoU. match(i,j) indique si les rectangles spécifié par le iième ligne de R1 et la jième ligne de R2 match.

Par exemple,

R1 = [0 0 1 1; 2 1 1 1];
R2 = [-.5 2 1 1; flipud(R1)];
R2 = R2+rand(size(R2))*.4-.2;
[IoU, match] = rectIoU(R1, R2, 0.4)

retourne:

IoU =
0         0    0.7738
0    0.6596         0
match =
0     0     1
0     1     0

qui signifie R1(1, :) et R1(2, :) match R2(3, :) et R2(2, :) respectivement.

PS:
Au moment où je poste cette réponse, il y a une petite erreur dans le Parag réponse (acceptée dans la réponse ci-dessus). À mon humble avis, ils calculent la zone de l'union dans un mauvais sens. Le unionCoords dans leur réponse est en fait le carré bleu dans l'image ci-dessous, et unionArea est son domaine, qui n'est évidemment pas la zone de l'union du rouge et du vert rectangles.