Python 目标检测中如何为给定的IoU数组找到最佳对
我正在计算目标检测的评估指标,似乎很难找到最佳IoU指标。我想把每一个预言都赋予基本事实。对于以下示例,我应该如何找到联合(IoU)索引上的最佳交集 我有3个基本事实(GT)框和4个预测框。在用GT计算每个预测的IoU之后,我得到了Python 目标检测中如何为给定的IoU数组找到最佳对,python,algorithm,numpy,object-detection,Python,Algorithm,Numpy,Object Detection,我正在计算目标检测的评估指标,似乎很难找到最佳IoU指标。我想把每一个预言都赋予基本事实。对于以下示例,我应该如何找到联合(IoU)索引上的最佳交集 我有3个基本事实(GT)框和4个预测框。在用GT计算每个预测的IoU之后,我得到了4x3形状的结果。在下面的示例中,我们可以看到columns=GT=3和rows=predictions=4 GT1 GT2 GT3 IoU = np.array([[0.7000, 0.0000, 0
4x3
形状的结果。在下面的示例中,我们可以看到columns=GT=3和rows=predictions=4
GT1 GT2 GT3
IoU = np.array([[0.7000, 0.0000, 0.7000],
[0.8000, 0.9500, 0.6000],
[0.6500, 0.7500, 0.5500],
[0.0000, 0.7000, 0.7000]])
预期输出:分配给预测的最佳IoU的列索引(GT)。输出形状长度等于预测长度
output = [0,
1,
-1,
2]
将预测分配给基本事实有一定的规则
-1