如何计算Mask-RCNN的IoU

想要利用IoU来评价实例分割后的结果
查看maskrcn源码，发现了一个叫compute_iou的函数，却不知道要怎么调用(参数之类的)
请问如何遍历每一个预测掩码的IoU值
需要具体一点。谢谢！
比如能够参考的URL。

img

你贴的截图里面算法就是计算IoU的，box是你要计算和boxes（其他矩形框）的Iou，其中x1,x2,y1,y2就是在计算box和boxes多个矩形之间的交集，。用一个矩形举例来说，比如A（下图红色）和B（下图蓝色），y1=max(A.y1，B.y1)就是求交集C（黄色）的y1值，其他y2=min(A.y2,B.y2)就是求C的y2值，其他两个x位置同理，看懂这个就知道x1,x2,y1,y2是在干什么了，。只不过 boxes[:, 0]中有个冒号，你可以看做事遍历boxes中的每一个矩形都和box求一次交集，如果有交集的话，下面的计算
intersection = np.maximum(x2 - x1, 0) * np.maximum(y2 - y1, 0)
的值就是大于0，如果没有交集这个值就是0（没有交集的话，上面计算出来的 x2<x1||y2<y1,所以maxinum的结果是0），也就是说intersection 就是交集的面积。而union就不说了，计算A 和B区域的面积，下面的IoU计算公式，最底下的图片就是最形象的计算IoU的

img

img

模型训练不会返回一个result吗，for遍历不就行了吗，不过我没用过mask_rcnn,级联rcnn用过一次

我觉得不管什么模型，iou计算都是一样的，都是交集比并集，你只要找到你的预测框和真实框就行了，其余套公式

compute_iou函数：用给定框的数组计算给定框的 IoU
box：一维向量 [y1, x1, y2, x2]
boxes：盒子[盒子数量：boxes_count，（y1，x1，y2，x2）]
box_area：浮动数值类型 （“盒子”的面积）
boxes_area：数组[boxes_count]。
可以参考：https://blog.csdn.net/u010598525/article/details/108667524

看一下yolo5源码就知道了，简单来说就是交并比

我以为只有box能计算iou值，但我看了maskrcnn后，发现该模型对mask进行了iou的计算，该方法巧妙之处在于

mask1与mask2必须有相同的height and width，而后在同一个位置的值累加，即交叉面积，而后将mask1与mask2

所有值累加为并集，而后计算类似于box的iou计算了。

然而，我为了简化，将变量a看作mask，并将mask1与mask2均等于a，以下是详细代码：

import numpy as np
a=np.array([[1,0,1,0,1,1],[1,0,1,0,1,0]])
print(a > .5)
masks = np.reshape(a > .5, (-1, 1)).astype(np.float32) # flatten two dimension，but line only one
print('masks=',masks)
area1 = np.sum(masks, axis=0) # 计算mask_面积
print('mask_area1=',area1)

mask_intersections = np.dot(masks.T, masks)
print('mask_intersections=',mask_intersections)
union = area1[:, None]+area1[None,:]-mask_intersections
print(union)
iou_mask=union/mask_intersections
print('iou_mask=',iou_mask)