【深度学习常见问题——IOU】

IOU

介绍

交并比(Intersection over Union)，表示两个bbox交集部分面积和并集部分面积的比值。

公式

$IoU=\frac{A\cap B}{A\cup B}$

优点

1. 尺度不变性：不受bbox本身尺寸大小影响

缺点

1. 无法反映两bbox的距离：如果IOU=0，看不出距离的远近
2. 无法反映两bbox的交叠情况：同样的IOU取值，看不出是怎么重叠的
3. 作为损失函数时，无交叠情况没有梯度回传($Loss=1-IOU$)

实现代码

def cal_IOU(bbox_a, bbox_b):
    # bbox_a : x1,y1,x2,y2(ltrb)
    # bbox_b : x3,y3,x4,y4(ltrb)
    x1,y1,x2,y2 = bbox_a
    x3,y3,x4,y4 = bbox_b
    # 计算交集
    intersection_h = min(x2, x4) - max(x1, x3)
    intersection_w = min(y2, y4) - max(y1, y3)
    # 考虑两个bbox不相交的情况
    intersection_h = max(intersection_h, 0)
    intersection_w = max(intersection_w, 0)
    intersection = intersection_h * intersection_w
    # 计算并集
    union = (x2-x1)*(y2-y1) + (x4-x3)*(y4-y3) - intersection
    return intersection / union

GIOU

介绍

公式

$GIOU=IOU-$