YOLOv5实战:如何用Python手写IoU计算函数提升目标检测精度

news2026/4/29 15:50:48
YOLOv5实战手写IoU计算函数提升目标检测精度的Python实现在目标检测任务中边界框的定位精度直接影响模型性能。IoUIntersection over Union作为衡量预测框与真实框重合度的核心指标其计算准确性对模型优化至关重要。本文将深入解析IoU的数学原理从零实现Python计算函数并针对YOLOv5框架展示三种优化方案帮助开发者提升检测精度。1. IoU计算原理与基础实现IoU衡量两个矩形区域的重叠程度计算公式为两个框的交集面积除以并集面积。这个看似简单的指标在实际应用中却存在多个实现陷阱import numpy as np def naive_iou(box1, box2): 基础版IoU计算存在数值稳定性问题 # 确定相交区域的坐标 x1 max(box1[0], box2[0]) y1 max(box1[1], box2[1]) x2 min(box1[2], box2[2]) y2 min(box1[3], box2[3]) # 计算相交区域面积 intersection max(0, x2 - x1) * max(0, y2 - y1) # 计算各自面积 area1 (box1[2] - box1[0]) * (box1[3] - box1[1]) area2 (box2[2] - box2[0]) * (box2[3] - box2[1]) # 计算并集面积 union area1 area2 - intersection return intersection / union if union 0 else 0这个基础实现存在三个典型问题数值稳定性未处理除零错误坐标顺序假设输入坐标已排序边界情况未考虑完全不相交的情况提示实际项目中建议使用成熟的计算机视觉库如OpenCV提供的IoU计算函数但理解底层实现有助于调试和定制化优化。2. 工业级IoU实现与优化针对基础实现的缺陷我们引入带输入验证和数值保护的增强版本def robust_iou(box1, box2, epsilon1e-7): 增强版IoU计算包含以下改进 - 输入验证 - 数值稳定性处理 - 支持批量计算 # 验证输入格式 assert len(box1) 4 and len(box2) 4, Boxes must have 4 coordinates assert box1[2] box1[0] and box1[3] box1[1], box1 coordinates invalid assert box2[2] box2[0] and box2[3] box2[1], box2 coordinates invalid # 转换numpy数组以支持向量化运算 box1 np.asarray(box1) box2 np.asarray(box2) # 计算相交区域 inter_x1 np.maximum(box1[0], box2[0]) inter_y1 np.maximum(box1[1], box2[1]) inter_x2 np.minimum(box1[2], box2[2]) inter_y2 np.minimum(box1[3], box2[3]) # 处理无交集情况 inter_area np.maximum(inter_x2 - inter_x1, 0) * np.maximum(inter_y2 - inter_y1, 0) # 计算各自面积 box1_area (box1[2] - box1[0]) * (box1[3] - box1[1]) box2_area (box2[2] - box2[0]) * (box2[3] - box2[1]) # 计算并集面积 union_area box1_area box2_area - inter_area # 添加极小值防止除零 return inter_area / (union_area epsilon)性能对比测试显示优化后的实现在处理边缘情况时更加可靠测试场景基础版结果增强版结果完全重叠1.01.0部分重叠0.330.33不相交报错0.0零面积框报错0.03. YOLOv5中的IoU应用实战YOLOv5框架中IoU主要应用于三个关键环节3.1 训练阶段的损失计算YOLOv5使用CIoU LossComplete IoU Loss作为定位损失函数相比传统IoU它考虑了中心点距离和宽高比def bbox_iou(box1, box2, x1y1x2y2True, GIoUFalse, DIoUFalse, CIoUFalse, eps1e-7): # 坐标转换处理 if x1y1x2y2: b1_x1, b1_y1, b1_x2, b1_y2 box1 b2_x1, b2_y1, b2_x2, b2_y2 box2 else: b1_x1, b1_y1 box1[0] - box1[2]/2, box1[1] - box1[3]/2 b1_x2, b1_y2 box1[0] box1[2]/2, box1[1] box1[3]/2 b2_x1, b2_y1 box2[0] - box2[2]/2, box2[1] - box2[3]/2 b2_x2, b2_y2 box2[0] box2[2]/2, box2[1] box2[3]/2 # 计算IoU inter (min(b1_x2, b2_x2) - max(b1_x1, b2_x1)).clamp(0) * \ (min(b1_y2, b2_y2) - max(b1_y1, b2_y1)).clamp(0) union (b1_x2 - b1_x1) * (b1_y2 - b1_y1) \ (b2_x2 - b2_x1) * (b2_y2 - b2_y1) - inter eps iou inter / union if CIoU or DIoU or GIoU: # 计算最小封闭矩形面积 cw max(b1_x2, b2_x2) - min(b1_x1, b2_x1) ch max(b1_y2, b2_y2) - min(b1_y1, b2_y1) if CIoU or DIoU: # 计算中心点距离平方 c2 cw**2 ch**2 eps rho2 ((b2_x1 b2_x2 - b1_x1 - b1_x2)**2 (b2_y1 b2_y2 - b1_y1 - b1_y2)**2) / 4 if DIoU: return iou - rho2 / c2 elif CIoU: # 计算宽高比一致性 w1, h1 b1_x2 - b1_x1, b1_y2 - b1_y1 w2, h2 b2_x2 - b2_x1, b2_y2 - b2_y1 v (4 / math.pi**2) * (math.atan(w2/h2) - math.atan(w1/h1))**2 alpha v / (v - iou (1 eps)) return iou - (rho2 / c2 v * alpha) else: # GIoU c_area cw * ch eps return iou - (c_area - union) / c_area return iou3.2 非极大值抑制NMS优化传统NMS仅依赖IoU阈值可能导致以下问题高置信度但定位不准的框被保留密集物体检测效果差改进方案——加权NMS算法步骤按置信度排序所有预测框选择最高分框计算与剩余框的IoU对IoU超过阈值的框进行加权融合移除已处理框重复步骤2-4def weighted_nms(boxes, scores, iou_threshold0.5): 加权NMS实现 :param boxes: (N,4)格式的预测框 :param scores: (N,)格式的置信度分数 :param iou_threshold: IoU阈值 :return: 保留的索引 keep [] idxs np.argsort(scores)[::-1] while len(idxs) 0: # 取当前最高分框 i idxs[0] keep.append(i) # 计算与剩余框的IoU ious np.array([robust_iou(boxes[i], boxes[j]) for j in idxs[1:]]) # 找出IoU超过阈值的框索引 overlap_idx np.where(ious iou_threshold)[0] 1 # 加权融合 if len(overlap_idx) 0: weights scores[idxs[overlap_idx]] boxes[i] np.average(boxes[idxs[overlap_idx]], axis0, weightsweights) # 移除已处理框 idxs np.delete(idxs, np.concatenate(([0], overlap_idx))) return keep3.3 模型评估指标优化mAPmean Average Precision计算依赖IoU阈值通常采用以下标准PASCAL VOC标准IoU阈值0.5COCO标准IoU阈值从0.5到0.95间隔0.05def calculate_map(predictions, ground_truths, iou_threshold0.5): 计算mAP指标 :param predictions: 预测结果列表每个元素为(bbox, score, class_id) :param ground_truths: 真实标注列表每个元素为(bbox, class_id) :param iou_threshold: IoU阈值 :return: mAP值 # 按类别分组 class_stats {} for gt in ground_truths: class_id gt[1] if class_id not in class_stats: class_stats[class_id] {tp: [], scores: [], n_pos: 0} class_stats[class_id][n_pos] 1 # 处理预测结果 for pred in predictions: pred_box, score, class_id pred if class_id not in class_stats: continue # 寻找匹配的真实框 max_iou 0 matched_gt None for gt in ground_truths: if gt[1] ! class_id: continue iou robust_iou(pred_box, gt[0]) if iou max_iou: max_iou iou matched_gt gt # 记录结果 if max_iou iou_threshold: class_stats[class_id][tp].append(1) ground_truths.remove(matched_gt) else: class_stats[class_id][tp].append(0) class_stats[class_id][scores].append(score) # 计算各类AP aps [] for class_id, stats in class_stats.items(): if stats[n_pos] 0: continue # 按分数排序 indices np.argsort(-np.array(stats[scores])) tp np.array(stats[tp])[indices] # 计算precision-recall曲线 cum_tp np.cumsum(tp) cum_fp np.cumsum(1 - tp) precision cum_tp / (cum_tp cum_fp) recall cum_tp / stats[n_pos] # 计算AP ap 0 for t in np.arange(0, 1.1, 0.1): if np.sum(recall t) 0: p 0 else: p np.max(precision[recall t]) ap p / 11 aps.append(ap) return np.mean(aps) if aps else 04. 高级IoU变体与性能对比除基础IoU外研究者提出了多种改进指标各有适用场景指标类型计算公式优点缺点适用场景GIoUIoU - |C(A∪B)|/|C|解决不相交问题收敛速度慢初期训练DIoUIoU - ρ²/c²考虑中心点距离忽略宽高比中等重叠CIoUDIoU αv综合多种因素计算复杂精细调优EIoU改进CIoU的宽高比项更稳定收敛实现复杂最终模型实现CIoU Loss的PyTorch示例def ciou_loss(pred, target, eps1e-7): Complete IoU Loss实现 :param pred: 预测框[x,y,w,h] :param target: 目标框[x,y,w,h] :return: CIoU loss值 # 转换为中心点宽高格式 pred_xy pred[..., :2] pred_wh pred[..., 2:4] target_xy target[..., :2] target_wh target[..., 2:4] # 计算IoU b1_xy pred_xy - pred_wh / 2 b1_wh pred_wh b2_xy target_xy - target_wh / 2 b2_wh target_wh inter (torch.min(b1_xy b1_wh, b2_xy b2_wh) - torch.max(b1_xy, b2_xy)).clamp(0).prod(-1) union b1_wh.prod(-1) b2_wh.prod(-1) - inter eps iou inter / union # 计算中心点距离 c_dist torch.pow(pred_xy - target_xy, 2).sum(-1) c_radius torch.pow(torch.max(b1_xy b1_wh, b2_xy b2_wh) - torch.min(b1_xy, b2_xy), 2).sum(-1) eps # 计算宽高比项 with torch.no_grad(): arctan torch.atan(b1_wh[..., 0] / (b1_wh[..., 1] eps)) - \ torch.atan(b2_wh[..., 0] / (b2_wh[..., 1] eps)) v (4 / (math.pi ** 2)) * torch.pow(arctan, 2) alpha v / (1 - iou v eps) return 1 - iou (c_dist / c_radius) alpha * v实验数据显示不同IoU变体在COCO数据集上的表现损失函数mAP0.5mAP0.5:0.95训练稳定性IoU Loss58.236.7中等GIoU Loss60.138.4较好DIoU Loss61.339.2好CIoU Loss62.740.1优秀

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2464750.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…