目标检测常用评价指标详解

🎀个人主页： https://zhangxiaoshu.blog.csdn.net
📢欢迎大家：关注🔍+点赞👍+评论📝+收藏⭐️，如有错误敬请指正!
💕未来很长，值得我们全力奔赴更美好的生活！

前言

目标检测是计算机视觉领域中的一项重要任务，旨在从图像或视频中检测并定位图像中存在的目标物体，并识别它们属于哪个类别。而目标检测任务中的评价指标对于评估算法性能、比较不同方法以及指导模型优化具有重要性，因此本文对目标检测任务中的相关评价指标进行介绍。

---

---

一、IOU和GIOU

1. IOU

IOU，即交并比（Intersection over Union），是目标检测中常用的一种评价指标，用于衡量检测框（bounding box）与真实目标框之间的重叠程度。它的计算方法如下：

假设有两个边界框，分别表示检测到的框（D）和真实目标框（G）：

D：检测框，由左上角坐标 (x1, y1) 和右下角坐标 (x2, y2) 定义；

G：真实目标框，同样由左上角坐标 (x1’, y1’) 和右下角坐标 (x2’, y2’) 定义。

那么，交并比（IOU）的计算方法为：

1. 计算两个边界框的交集面积（Intersection Area）：

$$IntersectionArea=max(0,min(x2,x{2}^{\prime })-max(x1,x{1}^{\prime }))\times max(0,min(y2,y{2}^{\prime })-max(y1,y{1}^{\prime }))$$

其中，$max(x1,x{1}^{\prime })$ 和 $max(y1,y{1}^{\prime })$分别表示两个矩形框的左上角的横坐标和纵坐标的较大值，即交集区域的左上角的坐标。$min(x2,x{2}^{\prime })$ 和 $min(y2,y{2}^{\prime })$分别表示两个矩形框的右下角的横坐标和纵坐标的较小值，即交集区域的右下角的坐标。 m a x ( 0 , m i n ( x 2 , x 2 ′ ) − m a x ( x 1 , x 1 ′ ) ) max(0,min(x2,x2^{′})−max(x1,x1^{′} )) max(0,min(x2,x2