文档反馈

问题文档片段

问题文档片段包含公式时,显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型
规范和低错类

- 规范和低错类:

- 错别字或拼写错误,标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致,但不影响操作。

- 表述不通顺,但不影响理解。

- 版本号不匹配:如软件包名称、界面版本号。

易用性

- 易用性:

- 关键步骤错误或缺失,无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰,该分类、分项、分步骤的没有给出。

正确性

- 正确性:

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误,无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示:

- 对重要数据或系统存在风险的操作,缺少安全提示。

内容合规

- 内容合规:

- 违反法律法规,涉及政治、领土主权等敏感词。

- 内容侵权。

问题描述

请勾选同意隐私声明

mindspore.ops.IOU

class mindspore.ops.IOU(mode='iou')[源代码]

计算矩形的IOU,即真实区域和预测区域的交并比。

根据真实区域和预测区域计算IOU(intersection over union)或IOF(intersection over foreground)。

IOU=Area of OverlapArea of UnionIOF=Area of OverlapArea of Ground Truth

Warning

在Ascend中,仅支持计算float16数据。为避免溢出,输入长度和宽度在内部按0.2缩放。

参数:

  • mode (string) - 指定计算方法,现支持’iou’(intersection over union)或’iof’(intersection over foreground)模式。默认值:’iou’。

输入:

  • anchor_boxes (Tensor) - 预测区域,shape为(N, 4)的Tensor。”N”表示预测区域的数量,”4”表示”x0”、”y0”、”x1”和”y1”。数据类型为float16或float32。

  • gt_boxes (Tensor) - 真实区域,shape为(M, 4)的Tensor。”M”表示地面真实区域的数量,”4”表示”x0”、”y0”、”x1”和”y1”。数据类型为float16或float32。

输出:

IOU值的Tensor,shape为(M, N)的Tensor,数据类型与 anchor_boxes 的相同。

异常:

  • KeyError - mode 不是’iou’或’iof’。

支持平台:

Ascend GPU CPU

样例:

>>> iou = ops.IOU()
>>> anchor_boxes = Tensor(np.random.randint(1.0, 5.0, [3, 4]), mindspore.float16)
>>> gt_boxes = Tensor(np.random.randint(1.0, 5.0, [3, 4]), mindspore.float16)
>>> output = iou(anchor_boxes, gt_boxes)
>>> print(output.shape)
(3, 3)