1. 交并比
并交比(Intersection over Union)函数,可以用来评价对象检测算法,判断对象检测算法运作是否良好
在对象检测任务中,希望能够同时定位对象,所以如果实际边界框是这样的
算法给出这个紫色的边界框
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)
所以交并比(loU)函数做的是计算两个边界框交集和并集之比
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
2. 评价准则
交并比:IOU=(A∩B)/(A∪B)
一般约定,在计算机检测任务中,如果loU≥0.5,那么结果是可以接受的,就说检测正确
如果预测器和实际边界框完美相同大小,就预示着交集要大于三分之二
如果预测器和实际边界框完美重叠,loU就是1,因为交集就等于并集
一般约定,0.5是阈值,用来判断预测的边界框是否正确
一般是这么约定,但如果希望更严格一点,可以将loU定得更高,比如说大于0.6或者更大的数字
但loU越高,边界框越精确
所以这是衡量定位精确度的一种方式
只需要统计算法正确检测和定位对象的次数
就可以用这样的定义判断对象定位是否准确
有时看到更严格的标准,比如0.6甚至0.7
但很少见到有人将阈值降到0.5以下
人们定义loU这个概念是为了评价对象定位算法是否精准
但更一般地说,loU衡量了两个边界框重叠地相对大小
如果有两个边界框,可以计算交集,计算并集,然后求两个数值的比值
所以这也可以判断两个边界框是否相似
参考:
相关推荐:
深度学习笔记(36) 边界框预测
深度学习笔记(35) 滑动窗口的卷积实现
深度学习笔记(34) 目标检测
深度学习笔记(33) 特征点检测
深度学习笔记(32) 目标定位
谢谢!