Para quienes no les funcione la visualización intenten cambiar esto
example = ([680, 380, 830, 580], [700, 400, 840, 600])
Creo que es porque la imagen que descargamos tiene diferentes dimensiones a las del profe Sergio.
Para quienes no les funcione la visualización intenten cambiar esto
example = ([680, 380, 830, 580], [700, 400, 840, 600])
Creo que es porque la imagen que descargamos tiene diferentes dimensiones a las del profe Sergio.
Si los bounding boxes no aparecen, pueden hacer un resize de la image a 2850 así:
image = cv2.resize(image, dsize=(2850, 2850))
Como estaba leyendo en los aportes, creo que se debe a que las dimensiones de la que descargamos son diferentes a la del profesor. A mi me funcionó hacer el resize, espero que también les sirva :).
La imagen compartida no cuenta con las mismas dimensiones que la del profesor, pero el IoU más acercado usando valores de posición cerrados que obtuve fue con estas medidas
example = ([670, 430, 800, 550], [670, 430, 780, 550])
También me encontré con otro problema, yo estoy utilizando PyCharm para llevarlo a un entorno de producción y con el código del profesor no lograba hacer aparecer los rectángulos. Lo que me funciono fue agregar esta línea de código justo antes de plt.show()
ax.add_patch(rect)
ax.plot() //Línea agregada
plt.show()
la tupla con las listas en examples vienen a indicar las dimensiones de (Xmin, Ymin, Xmáx, Ymáx) del bounding box??
Para visualizar el IoU (Intersection over Union) en detección de objetos, necesitas superponer las cajas (ground truth y predicción) sobre una imagen y mostrar la región de intersección. Aquí te explico cómo hacerlo paso a paso usando matplotlib.
### Código para Visualizar IoU
1. **Dibuja las cajas delimitadoras (bounding boxes)**.
2. **Calcula la región de intersección y dibújala**.
3. **Muestra el valor de IoU en la imagen**.
Aquí tienes un ejemplo de código para visualizar el IoU:
import matplotlib.pyplot as plt
import matplotlib.patches as patches
def bb\_intersection\_over\_union(boxA, boxB):
  \# Coordenadas de la intersección
  xA = max(boxA\[0], boxB\[0])
  yA = max(boxA\[1], boxB\[1])
  xB = min(boxA\[2], boxB\[2])
  yB = min(boxA\[3], boxB\[3])
   
  \# Área de la intersección
  intersection\_area = max(0, xB - xA) \* max(0, yB - yA)
   
  \# Áreas de las cajas
  boxA\_area = (boxA\[2] - boxA\[0]) \* (boxA\[3] - boxA\[1])
  boxB\_area = (boxB\[2] - boxB\[0]) \* (boxB\[3] - boxB\[1])
   
  \# Cálculo del IoU
  iou = intersection\_area / float(boxA\_area + boxB\_area - intersection\_area)
   
  return iou, (xA, yA, xB, yB)
\# Cajas de ejemplo \[x\_min, y\_min, x\_max, y\_max]
boxA = \[50, 50, 150, 150] # Ground truth
boxB = \[80, 80, 180, 180] # Predicción
iou, intersection\_box = bb\_intersection\_over\_union(boxA, boxB)
\# Visualización
fig, ax = plt.subplots(1, figsize=(8, 8))
ax.set\_title(f"IoU: {iou:.2f}")
ax.imshow(np.ones((200, 200, 3))) # Imagen de fondo (por simplicidad, es un rectángulo blanco)
\# Dibujar la caja ground truth
rectA = patches.Rectangle((boxA\[0], boxA\[1]), boxA\[2] - boxA\[0], boxA\[3] - boxA\[1],
  linewidth=2, edgecolor='g', facecolor='none', label="Ground Truth")
ax.add\_patch(rectA)
\# Dibujar la caja de predicción
rectB = patches.Rectangle((boxB\[0], boxB\[1]), boxB\[2] - boxB\[0], boxB\[3] - boxB\[1],
  linewidth=2, edgecolor='b', facecolor='none', label="Prediction")
ax.add\_patch(rectB)
\# Dibujar la región de intersección
if intersection\_box\[2] > intersection\_box\[0] and intersection\_box\[3] > intersection\_box\[1]:
  intersection\_rect = patches.Rectangle((intersection\_box\[0], intersection\_box\[1]),
  intersection\_box\[2] - intersection\_box\[0],
  intersection\_box\[3] - intersection\_box\[1],
  linewidth=2, edgecolor='r', facecolor='red', alpha=0.3, label="Intersection")
  ax.add\_patch(intersection\_rect)
plt.legend(loc='upper right')
plt.show()
### Explicación del Código:
- **bb\_intersection\_over\_union**: Calcula el área de intersección entre dos cajas y devuelve el IoU.
- **matplotlib.patches.Rectangle**: Se utiliza para dibujar las cajas sobre la imagen.
- **Intersección**: Se dibuja con un color diferente para destacar la región de superposición.
### Resultado:
Este código superpone las cajas y muestra visualmente la intersección en rojo, junto con el valor del IoU en el título de la gráfica. Esto es útil para entender visualmente cómo se solapan las predicciones y los valores reales en la detección de objetos.