Python 3.x 如何计算Detectron2中的并集交点？

我正在使用Detectron2进行目标检测。我已经注册了pascalvoc数据集，并训练了一个用于检测的模型。如何计算测试数据集的平均IOU？我知道detection2有一个用于计算IOU的预定义函数，即detectron2.structures.pairwise_IOU

我有一个csv文件中测试图像的地面真实边界框。csv文件包含（文件名、宽度、高度、类、xmin、ymin、xmax、ymax）。如何在IOU函数中解析这两个边界框并在google colab中显示它

这是我生成预测边界框的代码

from detectron2.utils.visualizer import ColorMode
import random

dataset_dicts = DatasetCatalog.get('/content/test')
for d in random.sample(dataset_dicts, 5):    
    im = cv2.imread(d["file_name"])
    outputs = predictor(im)
    v = Visualizer(im[:, :, ::-1], metadata=microcontroller_metadata, scale=0.8)
    v = v.draw_instance_predictions(outputs["instances"].to("cpu"))
    plt.figure(figsize = (14, 10))
    plt.imshow(cv2.cvtColor(v.get_image()[:, :, ::-1], cv2.COLOR_BGR2RGB))
    plt.show()

---

您可以通过访问边界框和类

outputs["instances"].pred_boxes.tensor.cpu().numpy()
outputs["instances"].pred_classes.cpu().numpy()

现在你要做的是：

你对这幅画进行推断吗

从csv文件中加载图片的基本事实

将推理的类和边界框与ground trouth（=IoU）进行比较

---

你得照亚历山大说的做。 假设对于给定的图像，你有基本的真值框。这些可以表示为

N，4

numpy数组。让我们称之为

bboxes\u gt

。假设你的预测给出了

M

边界框

现在，您可以将

bboxes\u gt

转换为

Box

ooobject，然后使用

结构.pairwise\u iou（）

以对等方式计算所有iou。这将为您提供一个包含所有这些IOU的

N，M

矩阵。它看起来像这样：

bboxes_gt = structures.Boxes(torch.Tensor(bboxes_gt))
bboxes_pred = outputs["instances"].pred_boxes
IOUs = structures.pairwise_iou(bboxes_gt, bboxes_pred)

---

你能告诉我如何解析numpy数组，即detectron2.structures.pairwise\u iou（boxes1:detectron2.structures.box.box，boxes2:detectron2.structures.box.box）→ torch.TensorI没有真正理解你的意思，但是：地面真相数据是如何存储在你的csv中的？您必须将csv中的正确图片与您正在推断的图片配对，然后将正确的类别bbox与基本真相bbox和类别配对