iou_similarity¶

paddle.fluid.layers. iou_similarity ( x, y, box_normalized=True, name=None ) [源代码] ¶

IOU Similarity Operator

计算两个框列表的intersection-over-union(IOU)。框列表 $X$ 应为LoDTensor， $Y$ 是普通张量， $X$ 成批输入的所有实例共享 $Y$ 中的框。给定框A和框B，IOU的运算如下：

$IOU(A, B) = \frac{area(A\cap B)}{area(A)+area(B)-area(A\cap B)}$

参数：

x (Variable) - 框列表 $X$ 是二维LoDTensor，维度为 $[N,4]$ ，存有 $N$ 个框，每个框表示为 $[xmin, ymin, xmax, ymax]$ ， $X$ 的维度为 $[N,4]$ 。如果输入是图像特征图， $[xmin, ymin]$ 表示框的左上角坐标，接近坐标轴的原点。 $[xmax, ymax]$ 表示框的右下角坐标。该张量包含批次输入的LoD信息。该批次输入的一个实例能容纳不同的项数。数据类型为float32或float64。
y (Variable) - 框列表 $Y$ 是二维张量，存有 $M$ 个框，每个框表示为 $[xmin, ymin, xmax, ymax]$ ， $Y$ 的维度为 $[M,4]$ 。如果输入是图像特征图， $[xmin, ymin]$ 表示框的左上角坐标，接近坐标轴的原点。 $[xmax, ymax]$ 表示框的右下角坐标。数据类型为float32或float64。
box_normalized (bool) - 先验框坐标是否正则化，即是否在[0, 1]区间内。默认值为true

返回：维度为 $[N,M]$ 的LoDTensor，代表每一对iou分数，数据类型与 $X$ 相同

返回类型：Variable

代码示例

import paddle.fluid as fluid

x = fluid.layers.data(name='x', shape=[4], dtype='float32')
y = fluid.layers.data(name='y', shape=[4], dtype='float32')
iou = fluid.layers.iou_similarity(x=x, y=y)