目标检测IOU（Intersection over union）交并比 人工智能学习笔记四

已于 2022-02-16 08:49:04 修改
阅读量2k 收藏
点赞数
分类专栏： 人工智能 文章标签： 人工智能 目标检测 深度学习
于 2022-01-25 19:38:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dzcera/article/details/122690960
版权

读到一篇论文分析，在解析神经网络中每个神经元对应的实际功用的文章时，涉及到了IOU这个概念。这里mark一下cdsn的转载，有兴趣的朋友可以看一下。
https://blog.csdn.net/weixin_47196664/article/details/109555024

交并比（Intersection over union）

IOU是目标检测算法性能的一个重要函数，函数值等于“预测的边框”和“真实的边框”的交集和并集的比值。
在这里插入图片描述
在目标检测中，算法预测出来的 bounding box 不会与 ground truth box 一致，所以就使用 IoU 来评定预测出来的框的好坏，用于量化概念C与单元U的对应关系，原文中IOU比率的计算公式如下：
在这里插入图片描述

我不是zzy1231A
关注
专栏目录
机器学习笔记 - IOU、mAP、ROC、AUC、准确率、召回率、F分数
学以致用 知行合一
03-25 5179
mAP（mean Average Precision）是目标检测中度量识别精度的指标。多个类别目标检测中，每一个类别都可以根据查全率和查准率绘制P-R曲线，横坐标为查全率，纵坐标为查准率。AP就是该曲线下的面积，mAP是多个类别AP的平均值。计算公式如下式中，Q表示目标检测的类别集合；AveP（q）是计算类别下目标的平均准确率。计算mAP时使用联合交集（IoU）。mAP计算过程1、对于每个预测，IoU 是针对图像中的每个地面实况框计算的。
[Python图像识别] 四十五.目标检测入门普及和ImageAI“傻瓜式”对象检测案例详解 (1)
杨秀璋的专栏
08-03 1万+
该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。上一篇文章是图像处理的最后一篇文章，写到这里，第一阶段的44篇Python图像处理就介绍完毕。接下来我们进入Python图像识别第二阶段，该部分主要以目标检测、图像识别以及深度学习相关图像分类为主，将会分享近50篇文章，感谢您一如至往的支持。希望文章对您有所帮助，如果有不足之处，还请海涵~
目标识别（object detection）中的 IoU（Intersection over Union）
weixin_30739595的博客
05-04 315
首先直观上来看 IoU 的计算公式： 由上述图示可知，IoU 的计算综合考虑了交集和并集，如何使得 IoU 最大，需要满足，更大的重叠区域，更小的不重叠的区域。 两个矩形窗格分别表示： 左上点、右下点的坐标联合标识了一块矩形区域（bounding box），因此计算两块 Overlapping 的 bounding box...
『论文阅读笔记』目标检测模型中的性能评价方式-IOU、precision/recall、mAP、PR、Fps！
AI新视界
04-14 4069
文章目录一、准确率和召回率二、mAP三、P-R曲线 一、准确率和召回率 首先介绍一个模型评价术语，现在假设我们的分类目标只有两类，计为正例（positive）和负例（negtive）分别是： True positives(TP)(TP)(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）。 False positives(FP)(FP)(FP)：被错误地划分...
详解机器视觉性能指标相关概念——混淆矩阵、IoU、ROC曲线、mAP等
m0_49963403的博客
09-16 1671
按照国际惯例，首先声明：本文只是我自己学习的理解，虽然参考了他人的宝贵见解，但是内容可能存在不准确的地方。如果发现文中错误，希望批评指正，共同进步。本文将通过实例系统性说明机器视觉性能相关指标。关于这些指标内容我大体分为2类：图像分类性能指标和图像分割性能指标。
目标检测之交并比——IoU
import_torch_as_tf
04-14 1641
原文链接：https://blog.csdn.net/u014061630/article/details/82818112 1. IoU的简介及原理解析 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。 开始计算之前，我们首先进行分析下交...
论文笔记：GIou（Generalized Intersection over Union）
philipwelia的博客
04-24 668
1.动机 现在大多数改进方案都是从网络框架和backbone出发 IoU 1.黑框-bbox；绿框-groundtruth 2.用右下角和左上角来表示bbox，即（x1，x2，y1，y2） 3.相同的n-范数（如l2-norm）距离，不同的IoU阈值 4.相同的IoU阈值，不同的w\h比例，具有不同的客观价值 5.随着参数增加（比如旋转），复杂度也增加→引入anchor →在优化回归损耗和IoU...
目标检测笔记PPT版本（2022回顾版本）
最新发布
04-24
**3.1 IoU（Intersection over Union）** IoU 是一种常用的度量目标检测精度的方法，计算公式为交集面积除以并集面积。然而，IoU 存在一些局限性，如无法直接反映预测框和真实框的偏移情况。 **3.2 GIoU ...
目标检测学习笔记
weixin_41870056的博客
12-16 453
目标检测学习笔记（一、入门篇）1 目标检测基本概念1.1 概念区分1.2 边界框（bbox, bounding box）1.3 交并比(IoU, Intersection over Union)1.4 目标检测基本思路2 目标检测数据集VOC2.1 Pascal VOC数据集简介功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的Ka
论文总结 - Vision-based vehicle behaviour analysis : a structured learning approach via convolutional
“我尊重同性恋，我理解抑郁症，我会喂楼底下的流浪狗，会给老奶奶让座位，会对店员说谢谢......纵然，我平庸，长相普通，脾气不好，曾经悲伤难过，望而不得，生活的苦也在吃，但我依然，想努力的成为一个温柔善良的人。”
07-27 448
论文总结论文总结 - Vision-based vehicle behaviour analysis: a structured learning approach via convolutional neural networks1 论文信息2 背景信息3 论文贡献4 数据集的制作5 OPDNN网络6 实验7 结论 论文总结 - Vision-based vehicle behaviour analysis: a structured learning approach via convolutional
论文阅读-RCNN
u012197749的博客
04-02 1021
《Regions with CNN features》-2014代码和论文地址：https://github.com/rbgirshick/rcnn一、解决什么问题？1.属于目标检测领域。2.二、怎么解决问题？1、基本的思想大样本下有监督训练+小样本微调的方式解决小样本难以训练甚至过拟合问题。2、大概的流程（一）训练阶段：概述：比较详细的介绍：1. 使用SS提取proposal。      对训练...
IoU(交并比)的理解及python实现
WonderThink的博客
06-18 9074
交并比(Intersection over Union, IoU)是目标检测、语义分割、追踪等任务最常用的评估指标。
我们是如何测试人工智能的（一）基础效果篇（内含大模型的测试内容）
Testerhomee的博客
12-24 1718
来源｜TesterHome社区作者｜孙高飞这个系列算是科普文吧，尤其这第一篇可能会比较长，因为我这8年里一直在 AI 领域里做测试，涉及到的场景有些多，我希望能尽量把我经历过的东西都介绍一下，算是给大家科普一下我们这些在 AI 领域内做测试的人，每天都在做什么事情。当然 AI 领域很庞杂，我涉及到的可能也仅仅是一小部分，这篇帖子算是抛砖引玉，欢迎大家一起来讨论。我打算先简单讲解一下人工智能的原理，毕竟后面要围绕这些去做测试，并且包括了在测试大模型以及其他一些场景的时候，需要自己构建模型来辅助测试，所以我觉得
评价指标篇——IOU（交并比）
梦在黎明破晓时的博客
10-07 682
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。集合论中，设A，B是两个集合，由所有属于集合A且属于集合B的元素所组成的集合，叫做集合A与集合B的交集，记作A∩B。给定两个集合A，B，把他们所有的元素合并在一起组成的集合，叫做集合A与集合B的并集，记作A∪B，读作A并B。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。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。
计算机视觉知识点（一）——交并比（IoU）及其若干改进
艾醒的博客
03-26 3379
目标检测是一个常见的计算机视觉任务，在目标检测任务中，交并比作为评判检测框的标准具有很重要的意义，在实际的应用中，人们又对最初的IoU进行了诸多的改进。本文将对IoU以及他的改进形式的思路以及公式进行详细通俗的介绍。
yolo论文中IOU/AP/MAP/NMS概念详解
jiaqi_ge的博客
08-30 1万+
1.卷积滑动窗口 2.yologridcell检测 3.交并比 4.非极大值抑制 5.构建障碍物识别检测算法（两者区别） 创建标签训练集 检测 准确率，召回率，map
交并比（Intersection over union）
csdn_xmj的博客
05-19 1万+
来源：Coursera吴恩达深度学习课程 如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersection over union）函数，可以用来评价目标检测算法。 交并比（loU）函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域，就是属于包含两个边界框区域（绿色阴影表示区域），而交集就是这个比较小的区域（橙色阴影表示区域），那么交并比就是交集的大小，这个橙色阴影面积，然后除以绿色阴影的并集面积。 参考： 交并比：IOU=(A∩B)/(A∪B)=A和B的交集/A
目标检测之 IoU
热门推荐
黑暗星球
09-24 14万+
IoU 作为目标检测算法性能 mAP 计算的一个非常重要的函数。 但纵观 IoU 计算的介绍知识，都是直接给出代码，给出计算方法，没有人彻底地分析过其中的逻辑，故本人书写该篇博客来介绍下其中的逻辑。 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。 ...
Python实现交并比IOU详解及代码示例
"这篇教程详细介绍了如何在Python中实现交并比（Intersection-over-Union，IoU）的计算，这是目标检测领域中的一个重要概念。通过给出的代码示例，可以帮助理解IoU的计算过程和应用。" 在计算机视觉，尤其是目标...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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