深度学习中的IoU概念理解

1、什么是IoU(Intersection over Union)

IoU是一种测量在特定数据集中检测相应物体准确度的一个标准。IoU是一个简单的测量标准,只要是在输出中得出一个预测范围(bounding boxex)的任务都可以用IoU来进行测量。为了可以使IoU用于测量任意大小形状的物体检测,我们需要:

  • ground-truth bounding boxes(人为在训练集图像中标出要检测物体的大概范围)
  • 我们的算法得出的结果范围。

也就是说,这个标准用于测量真实和预测之间的相关度,相关度越高,该值越高。如下图所示。绿色标线是人为标记的正确结果(ground-truth),红色标线是算法预测的结果(predicted)。

2、IoU的计算

IoU是两个区域重叠的部分除以两个区域的集合部分得出的结果,通过设定的阈值,与这个IoU计算结果比较。

举例如下:绿色框是准确值,红色框是预测值。

来源:CSDN - 鬼 | 刀 (gaoyu1253401563的博客)
原文链接:https://blog.csdn.net/gaoyu1253401563/article/details/86484851

推荐阅读