深度学习中的IoU

1、IoU(Intersection over Union)

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。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。为了可以使IoU用于测量任意大小形状的物体检测，我们需要：
ground-truth bounding boxes（人为在训练集图像中标出要检测物体的大概范围）
我们的算法得出的结果范围。
也就是说，这个标准用于测量真实和预测之间的相关度，相关度越高，该值越高。如下图所示。第二张是人为标记的正确结果（ground-truth），第一张是算法预测的结果（predicted），这里的重合度大概有0.9多，这个预测的比较成功。

2、IoU的计算

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。

举例如下：绿色框是准确值，红色框是预测值。