交并比 (Intersection Over Union)

黎 浩然/ 20 9 月, 2023/ 机器学习/MACHINELEARNING, 目标检测/OBJECTDETECTION/ 0 comments

“Intersection Over Union” (IoU) 是一种用于评估目标检测算法性能的方法，主要用于计算预测的边界框与真实边界框之间的重叠度。以下是 IoU 的主要内容：

定义

• IoU 计算两个边界框的交集与并集的比例。

计算过程

1. 计算两个边界框的并集（Union）：即两个边界框覆盖的总区域。
2. 计算两个边界框的交集（Intersection）：即两个边界框重叠的区域。
3. 计算 IoU：$IoU = \frac{Intersection}{Union}$。

评估标准

• IoU 值的范围为 0 到 1。
• 当 IoU 值大于等于 0.5 时，通常认为预测的边界框是正确的。
• 当 IoU 值等于 1 时，表示预测边界框与真实边界框完全重合。
• 通常，IoU 值越高，预测的边界框越准确。

应用

• IoU 不仅用于评估目标检测算法的性能，也可以用于测量两个边界框的相似度。