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。

PR

小问题，全程线上修改...

一键搞定！

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。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.iou

mindspore.ops.iou(anchor_boxes, gt_boxes, mode='iou')

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)。

$$\begin{array}{r}\begin{array}{c}\text{IOU}=\frac{\text{Area of Overlap}}{\text{Area of Union}}\\ \text{IOF}=\frac{\text{Area of Overlap}}{\text{Area of Ground Truth}}\end{array}\end{array}$$

警告

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：

• anchor_boxes (Tensor) - 预测区域，shape为 $(N,4)$ 的Tensor。 $N$ 表示预测区域的数量， $4$ 表示预测区域的四个边界坐标"x0"、"y0"、"x1"和"y1"。数据类型为float16、float32或float64。

• 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， $4$ 表示真实区域的四个边界坐标"x0"、"y0"、"x1"和"y1"。数据类型为float16、float32或float64。

• 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' 。

返回：

Tensor，IOU/IOF的计算结果，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：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> 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)
>>> mode = 'iou'
>>> output = ops.iou(anchor_boxes, gt_boxes, mode)
>>> print(output.shape)
(3, 3)