在Tensorflow中计算矩形之间的重叠是否可能？

Question

这里是TensorFlow新手。在

我正在开发一个神经网络，它可以输出N个矩形的两个倒圆角的（x，y）坐标。在

我正在考虑实现一个成本函数，它考虑到预测矩形之间的重叠，因为它们根本就不是要重叠的，但是一个简单的带有MSE的成本函数会导致一些重叠。在

我想知道这是否可能，因为它可能是复杂的，如果张量流可以计算这些计算的梯度，以最小化成本函数。在

注意，我要检查矩形1和矩形2到N之间的重叠，以及矩形2和矩形3到N之间的重叠，依此类推。在

这是可能的，还是我最好对数据进行后处理并分离重叠的矩形？在

提前谢谢你。在

Answer 1

您可以使用经过修改的“相交于并集”（IoU）标准。它主要用于图像检测，以检测物体在图像中的位置，并允许丢弃网络最不确定的盒子。在

在您的例子中，您希望最大化并集（当两个矩形不重叠时达到最大值）并最小化交集（理论上，您希望它为0）。因此，IoU必须最小化，在最好的情况下它等于0。在

要在TF中实现这一点，可以执行以下操作：

cost = 0
for first in range(num_rectangles):
    for second in range(first, num_rectangles)
        cost = cost + compute_IoU(rect[first], rect[second])

cost = cost / num_rectangles

IoU有几个实现。一个由TF itself提供的si。在

Answer 2

您可以使用这样一个事实，即最小和最大运算符支持广播。在

重塑输出coords的形状(B, N, 2, 2)，其中B是批大小，N是矩形的数量。重叠面积可计算为

c1 = coords[:, None]
c2 = coords[:, :, None]
areas = tf.reduce_prod(tf.maximum(
  tf.minimum(c1[..., 1], c2[..., 1]) - tf.maximum(c1[..., 0], c2[..., 0]), 0.), axis=-1)

从那里你可以计算出一个成本，不要忘了考虑对角线元素（对应于矩形的面积）。例如简单地求面积

^{pr2}$

是的，你做了一些额外的计算对角线元素，重叠也计算了两次，但我相信这应该是微不足道的，与你的网络的其余部分相比，可能更快的东西基于一个循环。在

这个成本当然可以通过张量流自动微分。在