1.IOU
IOU(Intersection over Union)即交并比,是目标检测中衡量目标检测算法准确度的一个重要指标,顾名思义,即交集与并集的比值,那所谓的交集和并集分别指代什么呢?
目标检测是一个有监督学习的过程,它常常需要大量的有标签数据进行训练学习。目标检测实际要解决的问题有两个,一个是目标分类,还有一个就是目标定位,这里我把目标的位置信息也当作是一种标签,只不过这种标签是目标框的信息x,y,w,h,一般由人工标记。如上图所示,ground truth 所在的框就是一个目标真实label,而bounding box 就是目标检测算法预测的目标的label。如果两个框能完全重合,那么就说明目标检测算法预测结果完全正确,但通常这是不可能,目标框的预测实际是回归问题,回归问题的损失函数再怎么迭代更新,都不可能等于0。
上图所示就是所谓的IOU,它是目标所在的真实框(ground truth) 与算法预测的目标所在的框(bounding box)的交集与并集的比值。这个IOU由什么用呢?有时我们听别人作报告时,会听到IOU阈值这类的说法,我们会用IOU阈值来判定预测的bou