IoU(Intersection over Union)
Introduction
在目标检测中,我们需要定位出目标的位置,而我们的算法不可能百分百跟人工标注的数据完全匹配,因此需要一种衡量目标定位精度的标准。
IoU(Intersection over Union)是一种常见的用于衡量目标定位精度的标准,可以理解为重叠度,是一种简单的测量标准,只要是在输出中得出一个预测范围(bounding box)的任务都可以用IoU来进行测量。
如上图所示,ground-truth和predicted的存在误差,绿色框是人为标记的正确结果,红色框是算法预测出来的结果,IoU要做的就是在这两个结果中测量算法的准确度,它定义了两个bounding box的重叠度 ,如下图所示:
$$IoU=\frac{A\bigcap B}{A\bigcup B}=\frac{A\bigcap B}{A+B-A\bigcap B}$$
就是矩形框A、B的重叠面积,占$A\bigcup B$的编辑的比例。
一般来说,IoU>0.5 就可以被认为一个不错的结果,IoU>0.7 结果就非常不错了,可以参见下图
Implementation
因为IoU的思想很简单,Python实现可以参考[1]:
1 |
|
Reference
本博客所有文章除特别声明外,均采用 CC BY-SA 4.0 协议 ,转载请注明出处!