실습 4 — IoU 와 정밀도·재현율 계산기

def iou(a, b):
    """두 상자 (x1, y1, x2, y2) 의 IoU = 겹친 넓이 ÷ 합친 넓이."""
    w = min(a[2], b[2]) - max(a[0], b[0])           # 겹친 너비: 작은 오른쪽 끝 - 큰 왼쪽 끝
    h = min(a[3], b[3]) - max(a[1], b[1])           # 겹친 높이: 작은 아래 끝 - 큰 위 끝
    inter = max(0, w) * max(0, h)                   # 안 겹치면 음수가 되므로 0 으로 막는다
    union = (a[2] - a[0]) * (a[3] - a[1]) + (b[2] - b[0]) * (b[3] - b[1]) - inter
    return inter / union if union > 0 else 0.0

gt = (40, 40, 140, 120)
cases = {"본문 왼쪽 그림": (60, 50, 160, 130),     # 손계산: 5600 ÷ 10400 = 0.538
         "본문 오른쪽 그림": (100, 80, 200, 160),  # 손계산: 1600 ÷ 14400 = 0.111
         "똑같은 상자": (40, 40, 140, 120),        # 손계산: 1
         "떨어진 상자": (200, 150, 250, 200)}      # 손계산: 0
for name, box in cases.items():
    print(f"{name:10} IoU {round(iou(gt, box), 3)}")

def match(preds, gts, thr=0.5):
    """찾은 상자를 신뢰도 높은 것부터 같은 클래스의 정답과 짝짓고 (맞힌 것, 헛것, 놓친 것) 개수를 돌려준다."""
    used = set()                                     # 이미 짝이 생긴 정답의 번호
    tp = 0
    for c, conf, box in sorted(preds, key=lambda x: -x[1]):    # 신뢰도가 높은 것부터
        best, best_j = 0.0, None
        for j, (gc, gbox) in enumerate(gts):
            if j in used or gc != c:                 # 짝이 있거나 클래스가 다르면 건너뛴다
                continue
            v = iou(box, gbox)
            if v > best:
                best, best_j = v, j
        if best >= thr:                              # IoU 0.5 이상이면 맞힌 것
            used.add(best_j)
            tp += 1
    return tp, len(preds) - tp, len(gts) - tp

# 정답 셋, 찾은 상자 넷(지어낸 예)
gts = [(1, (40, 40, 140, 120)), (2, (200, 30, 260, 90)), (0, (150, 150, 300, 200))]
preds = [(1, 0.9, (60, 50, 160, 130)),               # 정답 0번과 IoU 0.538 → 맞힘
         (1, 0.6, (45, 42, 138, 118)),               # 정답 0번은 이미 짝이 있다 → 헛것
         (2, 0.8, (205, 35, 262, 92)),               # 정답 1번과 많이 겹친다 → 맞힘
         (1, 0.4, (150, 150, 300, 200))]             # 자리는 정답 2번인데 클래스가 다르다 → 헛것
tp, fp, fn = match(preds, gts)
precision, recall = tp / (tp + fp), tp / (tp + fn)
print("맞힌 것", tp, "· 헛것", fp, "· 놓친 것", fn)
print("정밀도", round(precision, 3), "· 재현율", round(recall, 3))

import os
from pathlib import Path
os.environ["YOLO_VERBOSE"] = "False"
from ultralytics import YOLO
import cv2

model = YOLO("out_ch18_runs/parts/weights/best.pt")
root = Path("out_ch17_yolo")

def read_labels(label_path, w, h):
    """YOLO 라벨을 [(클래스번호, (x1, y1, x2, y2)), ...] 픽셀 상자로 읽는다."""
    boxes = []
    for line in label_path.read_text(encoding="utf-8").split("\n"):
        if line.strip():
            c, xc, yc, bw, bh = line.split()
            xc, yc, bw, bh = float(xc), float(yc), float(bw), float(bh)
            boxes.append((int(c), ((xc - bw / 2) * w, (yc - bh / 2) * h, (xc + bw / 2) * w, (yc + bh / 2) * h)))
    return boxes

def detect(img, conf=0.25):
    """추론 결과를 [(클래스번호, 신뢰도, (x1, y1, x2, y2)), ...] 로 돌려준다."""
    r = model.predict(img, imgsz=320, conf=conf, device="cpu", verbose=False)[0]
    return [(int(c), float(p), tuple(float(v) for v in b))
            for b, p, c in zip(r.boxes.xyxy.cpu().numpy(), r.boxes.conf.cpu().numpy(),
                               r.boxes.cls.cpu().numpy().astype(int))]

per_image = []
for p in sorted((root / "images" / "val").glob("*.png")):
    img = cv2.imread(str(p))
    h, w = img.shape[:2]
    gts = read_labels(root / "labels" / "val" / (p.stem + ".txt"), w, h)
    preds = detect(img)
    tp, fp, fn = match(preds, gts)
    per_image.append({"그림": p.name, "정답": len(gts), "찾음": len(preds), "맞힘": tp, "헛것": fp, "놓침": fn,
                      "gts": gts, "preds": preds})

TP = sum(d["맞힘"] for d in per_image)
FP = sum(d["헛것"] for d in per_image)
FN = sum(d["놓침"] for d in per_image)
P = TP / (TP + FP) if TP + FP else 0.0
R = TP / (TP + FN)
F1 = 2 * P * R / (P + R) if P + R else 0.0
print(f"맞힌 것 {TP} · 헛것 {FP} · 놓친 것 {FN}")
print(f"정밀도 {round(P, 3)} · 재현율 {round(R, 3)} · F1 {round(F1, 3)}")

import pandas as pd

table = pd.DataFrame(per_image)[["그림", "정답", "찾음", "맞힘", "헛것", "놓침"]]
print(table.to_string(index=False))

# 클래스별 재현율: 정답을 클래스 하나로 좁혀 다시 짝짓는다
for k, name in model.names.items():
    hit = total = 0
    for d in per_image:
        g = [x for x in d["gts"] if x[0] == k]
        q = [x for x in d["preds"] if x[0] == k]
        hit += match(q, g)[0]
        total += len(g)
    print(f"{name:6} 정답 {total}개 가운데 {hit}개 찾음 · 재현율 {round(hit / total, 3)}")