mask-rcnn代码解读（五）：mask_iou的计算

我以为只有box能计算iou值，但我看了maskrcnn后，发现该模型对mask进行了iou的计算，该方法巧妙之处在于

mask1与mask2必须有相同的height and width，而后在同一个位置的值累加，即交叉面积，而后将mask1与mask2

所有值累加为并集，而后计算类似于box的iou计算了。

然而，我为了简化，将变量a看作mask，并将mask1与mask2均等于a，以下是详细代码：

import numpy as np
a=np.array([[1,0,1,0,1,1],[1,0,1,0,1,0]])
print(a > .5)
masks = np.reshape(a > .5, (-1, 1)).astype(np.float32) # flatten two dimension，but line only one
print('masks=',masks)
area1 = np.sum(masks, axis=0) # 计算mask_面积
print('mask_area1=',area1)

mask_intersections = np.dot(masks.T, masks)
print('mask_intersections=',mask_intersections)
union = area1[:, None]+area1[None,:]-mask_intersections
print(union)
iou_mask=union/mask_intersections
print('iou_mask=',iou_mask)

结果如下：