本文深入探讨了目标检测中的一个重要概念——IOU（交并比），介绍了其计算公式和实际意义。IOU衡量预测bbox与Ground Truth的重叠程度，范围在0到1之间，值越大表示重叠度越高。当IOU为0时，两个框无交集；为1时，完全重叠。文章还提供了简单的Python代码示例，帮助理解IOU的计算过程。
在目标检测当中，有一个重要的概念就是 IOU。一般指代模型预测的 bbox 和 Groud Truth 之间的交并比。
何为交并比呢？
IOU=A∩BA∪B IOU = \frac{A\cap B}{A\cup B} IOU=A∪BA∩B
集合 A 和集合 B 的并集包括了上面 3 种颜色区域。
集合 C 是集合 A 与集合 B 的交集。
在目标检测当中，IOU 就是上面两种集合的比值。
A∪BA \cup BA∪B 其实就是 A+B−CA + B - CA+B−C。
那么公式可以转变为：
IOU=A∩BA+B−(A∩B) IOU = \frac{A \cap B}{A + B - (A \cap B)} IOU=
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
