npu_rotated_iou[beta]

接口原型

mx_driving.npu_rotated_iou(Tensor self, Tensor query_boxes, bool trans=False, int mode=0, bool is_cross=True, float v_threshold=0.0, float e_threshold=0.0) -> Tensor

功能描述

计算旋转框的IoU。

参数说明

• self(Tensor)：边界框张量，数据类型为float32, float16，形状为[B, N, 5]。
• query_boxes(Tensor)：查询框张量，数据类型为float32, float16，形状为[B, M, 5]。
• trans(bool)：是否进行坐标变换。默认值为False。值为True时，表示xyxyt, 值为False时，表示xywht，其中t为角度制。
• is_cross(bool)：值为True时，则对两组边界框中每个边界框之间进行计算。值为False时，只对已对齐的边界框进行计算。
• mode(int)：计算IoU的模式。默认值为0。值为0时，表示计算IoU，值为1时，表示计算IoF。
• v_threshold(float)：顶点判断的容忍阈值。
• e_threshold(float)：边相交判断的容忍阈值。

返回值

• output(Tensor)：IoU张量，数据类型为float32, float16，is_cross为True时形状为[B, N, M]，反之则为[B, N]。

约束说明

• mode的取值范围为{0, 1}。

支持的型号

• Atlas A2 训练系列产品

调用示例

import torch, torch_npu
import numpy as np
from mx_driving import npu_rotated_iou
a = np.random.uniform(0, 1, (2, 2, 5)).astype(np.float16)
b = np.random.uniform(0, 1, (2, 3, 5)).astype(np.float16)
box1 = torch.from_numpy(a).npu()
box2 = torch.from_numpy(b).npu()
iou = npu_rotated_iou(box1, box2, False, 0, True, 1e-5, 1e-5)