YOLO v2目标检测详解二 计算iou

IoU 作为目标检测算法性能 mAP 计算的一个非常重要的函数。

IoU 的全称为交并比(Intersection over Union),通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。常见的两个框的交集情况有以下六种

iou的计算方式是:重叠面积/(总面积-重叠面积)

就按照yolo v2常用数据进行举例

假设重复部分面积为31*31,两个小格子面积都为32*32,那么iou=31*31/(32*32*2-31*31)。

如果需要进行人工计算的话,分别讨论六种情况是一件非常麻烦的事,因此在Torchvision中提供了相对应的工具计算iou

可以直接使用torchvision中的ops工具进行计算

工具中的计算方法和我们人工计算时有一点不同,不同点在于:我们手工计算的时候会进行一个加1操作,而工具不会,比如上面的情况在计算iou时,iou = 30*30/(31*31*2-30*30)。可以先使用自带的工具进行计算,如果效果不太理想,再进行手工操作。

 

在yolo v2中,需要先进行移动边框的操作。

假设黑色格子是图片上按照比例划分的小格子

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值