2. IoU 计算详解：定义、方法与代码实现

聊 NMS 调优，绕不开一个核心指标——IoU（Intersection over Union）。

说白了，它就是两个框的「交集面积 ÷ 并集面积」。值越大，两个框重叠得越厉害。NMS 就是靠这个值来决定要不要干掉某个框的。

我见过不少新手，调 NMS 阈值调了半天没效果，回头一看，IoU 算错了。嗯，基础不牢，地动山摇。今天咱们就把 IoU 彻底掰开揉碎。

2.1 IoU 的数学定义

先看公式，很简单：

举个例子。假设框 A 和框 B 完全重合，交集 = 并集，IoU = 1.0。如果完全不挨着，交集 = 0，IoU = 0.0。

实际场景里，IoU 通常在 0.3 ~ 0.9 之间晃悠。我在项目中遇到过最极端的情况——两个框只重叠了一个像素，IoU 只有 0.0001，但那个像素恰好是目标的中心点。这种时候，光靠 IoU 是不够的，后面我们会聊怎么用其他指标补救。

2.2 计算方法：一步步拆解

计算 IoU 分三步走：

1. 求交集矩形：找到两个框在 x 轴和 y 轴上的重叠区间
2. 算交集面积：重叠宽度 × 重叠高度
3. 算并集面积：A面积 + B面积 - 交集面积

这里有个坑——如果两个框不相交，重叠宽度或高度会是负数。我曾经在早期版本里忘了处理这个，结果 IoU 算出来是负的，NMS 直接把所有框都保留了，模型输出一堆假阳性。嗯，血的教训。

正确的做法是：overlap_w = max(0, x2 - x1)，同理高度。这样不相交时交集面积就是 0。

2.3 代码实现：从零手写

我个人习惯在项目里保留一个纯 NumPy 版本的 IoU 实现，方便调试和验证。下面是最经典的写法：

import numpy as np

def compute_iou(box1, box2):
    """
    计算两个矩形框的 IoU
    输入格式: [x1, y1, x2, y2] (左上角 + 右下角)
    """
    # 提取坐标
    x1_min, y1_min, x1_max, y1_max = box1
    x2_min, y2_min, x2_max, y2_max = box2

    # 计算交集矩形的坐标
    inter_xmin = max(x1_min, x2_min)
    inter_ymin = max(y1_min, y2_min)
    inter_xmax = min(x1_max, x2_max)
    inter_ymax = min(y1_max, y2_max)

    # 计算交集面积（不相交时为0）
    inter_w = max(0, inter_xmax - inter_xmin)
    inter_h = max(0, inter_ymax - inter_ymin)
    inter_area = inter_w * inter_h

    # 计算各自面积
    area1 = (x1_max - x1_min) * (y1_max - y1_min)
    area2 = (x2_max - x2_min) * (y2_max - y2_min)

    # 并集面积
    union_area = area1 + area2 - inter_area

    # 防止除零
    if union_area == 0:
        return 0.0

    iou = inter_area / union_area
    return iou

2.4 批量 IoU 计算：加速 NMS

实际 NMS 里，我们不是算两个框，而是算一堆框两两之间的 IoU。用循环写会慢到怀疑人生。

我建议用向量化操作：

def batch_iou(boxes1, boxes2):
    """
    计算两组框之间的 IoU 矩阵
    boxes1: [N, 4], boxes2: [M, 4]
    返回: [N, M] IoU 矩阵
    """
    # 提取坐标
    x1 = boxes1[:, 0][:, None]  # [N, 1]
    y1 = boxes1[:, 1][:, None]
    x2 = boxes1[:, 2][:, None]
    y2 = boxes1[:, 3][:, None]

    x1_2 = boxes2[:, 0][None, :]  # [1, M]
    y1_2 = boxes2[:, 1][None, :]
    x2_2 = boxes2[:, 2][None, :]
    y2_2 = boxes2[:, 3][None, :]

    # 交集
    inter_xmin = np.maximum(x1, x1_2)
    inter_ymin = np.maximum(y1, y1_2)
    inter_xmax = np.minimum(x2, x2_2)
    inter_ymax = np.minimum(y2, y2_2)

    inter_w = np.maximum(0, inter_xmax - inter_xmin)
    inter_h = np.maximum(0, inter_ymax - inter_ymin)
    inter_area = inter_w * inter_h

    # 面积
    area1 = (x2 - x1) * (y2 - y1)  # [N, 1]
    area2 = (x2_2 - x1_2) * (y2_2 - y1_2)  # [1, M]

    union = area1 + area2 - inter_area
    union = np.maximum(union, 1e-6)  # 防除零

    return inter_area / union

这段代码跑起来比循环快 10 倍以上。你想想看，一张图里几百个框，两两算 IoU，循环得 O(n²) 时间，向量化一步到位。

2.5 IoU 的变体：不止一种

标准 IoU 有个硬伤——两个框不相交时，IoU 恒为 0，梯度传不回去。所以在一些场景下，我们会用它的变体：

名称	公式	特点	适用场景
IoU	交集 / 并集	标准，不相交时为 0	NMS、评估指标
GIoU	IoU - (最小外接框面积 - 并集) / 最小外接框面积	不相交时也有梯度	目标检测损失函数
DIoU	IoU - (中心点距离² / 最小外接框对角线²)	考虑中心点距离	回归损失、NMS 变体
CIoU	DIoU + 长宽比惩罚项	最全面，收敛快	YOLOv5/v8 默认损失

2.6 知识结构图：IoU 全景

下面这张图帮你把 IoU 相关的知识点串起来：

2.7 避坑指南

• 坐标格式混淆：YOLO 用 [x_center, y_center, w, h]，VOC 用 [x1, y1, x2, y2]，COCO 用 [x1, y1, w, h]。算 IoU 前务必统一格式。我曾经在项目里混用了两种格式，结果 IoU 全乱套，排查了整整一下午。
• 整数 vs 浮点：像素坐标用整数没问题，但归一化坐标（0~1）一定要用浮点。整数除法会直接截断，IoU 精度全丢。
• 除零保护：并集面积可能为 0（两个框面积都是 0 时），一定要加 max(union, 1e-6) 或类似保护。
• 批量计算的内存：如果一张图有 1000 个框，IoU 矩阵就是 1000×1000 ≈ 1M 个元素，还好。但如果视频流里做全图 NMS，注意别爆内存。

好了，IoU 这块就聊到这儿。下个知识点，咱们会基于 IoU 展开 NMS 的核心流程——怎么用 IoU 矩阵高效地干掉冗余框。