Python:并集上的交集

我有以下问题。我试图计算并集上的交点，即两个组件的重叠除以两个组件的并集。假设component1是第一个对象所在的矩阵，component2是第二个对象所在的矩阵。我可以用

np.logical\u和（component==1，component2==1）

计算重叠。但是我怎样才能说服工会呢？我只对连接的对象感兴趣

import numpy as np
component1 = np.array([[0,1,1],[0,1,1],[0,1,1]])
component2 = np.array([[1,1,0],[1,1,0],[1,1,0]])
overlap = np.logical_and(component == 1, component2 == 1)
union = ?
IOU = len(overlap)/len(union)

---

如果只处理

0

和

1

，则使用布尔数组更容易：

import numpy as np
component1 = np.array([[0,1,1],[0,1,1],[0,1,1]], dtype=bool)
component2 = np.array([[1,1,0],[1,1,0],[1,1,0]], dtype=bool)

overlap = component1*component2 # Logical AND
union = component1 + component2 # Logical OR

IOU = overlap.sum()/float(union.sum()) # Treats "True" as 1,
                                       # sums number of Trues
                                       # in overlap and union
                                       # and divides

>>> 1*overlap
array([[0, 1, 0],
       [0, 1, 0],
       [0, 1, 0]])
>>> 1*union
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])
>>> IOU
0.3333333333333333

---

Oleksii为您的问题提供了答案

简言之：

intersection = numpy.logical_and(result1, result2)

union = numpy.logical_or(result1, result2)

iou_score = numpy.sum(intersection) / numpy.sum(union)

print(‘IoU is %s’ % iou_score)

---

而且，他对这一点做了很好的解释。请看上面的链接。

从您的帖子中输入的内容中，您想要的输入是什么？您是指我想要的输出吗？这将是：IOU=重叠/Union对不起，是的，期望的输出..不清楚在所有这些结束时想要什么。我想要的是Scour或数字，即重叠点的数量除以unioin点的数量。根据这个分数，我进行后处理计算，把数组当作布尔值就是诀窍，非常感谢！我会在这里使用np.count\u nonzero而不是sum，因为它要快得多