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

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

选择具有最佳IoU的预测

IoU为0的预测不应分配给GT

每个GT只能分配给一个预测

如果某些预测未分配给任何GT，则该预测的结果应为

-1

IoU值介于0到1之间。1是100%匹配，0是0%匹配