19.深度学习之计算机视觉-3

19.1 交并比

• 如果该目标的真实边界框已知，这里的“较好”该如何量化呢？
  • 一种直观的方法是衡量锚框和真实边界框之间的相似度。
  • Jaccard系数（Jaccard index）可以衡量两个集合的相似度。
  • 给定集合A和B，它们的Jaccard系数即二者交集大小除以二者并集大小：
    
    
• 实际上，可以把边界框内的像素区域看成是像素的集合。
• 如此一来，可以用两个边界框的像素集合的Jaccard系数衡量这两个边界框的相似度。
• 当衡量两个边界框的相似度时，通常将Jaccard系数称为交并比（Intersection over Union，IoU），即两个边界框相交面积与相并面积之比，如图所示。
  • 交并比的取值范围在0和1之间：0表示两个边界框无重合像素，1表示两个边界框相等。
    
  • 交并比是两个边界框相交面积与相并面积之比

19.2 标注训练集的锚框

• 在训练集中，将每个锚框视为一个训练样本