目标检测之IoU(intersecton over union)标准

最新推荐文章于 2024-05-28 21:02:49 发布
最新推荐文章于 2024-05-28 21:02:49 发布
阅读量1.4k 收藏 3
点赞数
分类专栏： 学习笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/workerwu/article/details/78894573
版权

https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/

https://i-blog.csdnimg.cn/blog_migrate/20f72a26fa2216b952ea4435f4ad328b.jpeg

绿色代表ground truth box，红色代表predictive box. 

ground truth box 需要手动标注，predictive box是你选用的模型计算出来的结果。

将两者放在一起用IOU来衡量我们的模型检测目标的有效性。

从下图你可以很直观的看到IoU的计算。


Figure 2: Computing the Intersection of Union is as simple as dividing the area of overlap between the bounding boxes by the area of union (thank you to the excellent Pittsburg HW4 assignment for the inspiration for this figure).


Figure 3: An example of computing Intersection over Unions for various bounding boxes.

从python编程的角度实现

def bb_intersection_over_union ( boxA , boxB ) :
# determine the (x, y)-coordinates of the intersection rectangle
xA = max ( boxA [ 0 ] , boxB [ 0 ]
最低0.47元/天 解锁文章
workerwu
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
目标检测中的IOU
嵌入式与人工智能
08-05 1434
IOU
目标检测常用IOU总结
03-25
本文将深入探讨几种常用的边界框回归损失函数，包括IOU（Intersection over Union）、GIoU（Generalized Intersection over Union）、DIoU（Distance Intersection over Union）以及CIoU（Complete IoU）。...
【目标检测】IOU介绍
qq_43471945的博客
02-15 1万+
目前较为流行的IOU，其中包含最新的wise-IOU
计算IOU（目标检测）
最新发布
m0_52507142的博客
05-28 193
【代码】计算IOU（目标检测）
目标检测：IoU介绍及其改进
qq_50001789的博客
06-26 1860
在目标检测中常用到一个指标IoU，又称交并比，用于衡量一幅图像中两个边界框的重合度。在训练阶段，可以用于衡量锚框和物体边界框之间的相似度，来给每个锚点划分正负样本，即给锚点匹配标签，同时也可以用作损失函数，通过提高预测边界框与真实边界框之间的相似度来改善网络预测物体边界框的能力；在测试阶段，可以利用IoU来衡量预测边界框之间的重合度，用于过滤重合度高的边界框，即参与NMS运算。计算公式边界框A和边界框B之间的交集区域面积除以并集区域面积IoUA∩BA∪BIoUA∪BA∩B​。
简单理解目标检测的IOU究竟是什么
向往有那么一天梦幻的步态识别落地，开花❀！
07-11 4509
目标检测中有一个很重要的概念便是IOU，那么什么是IOU？ IOU是一种评价目标检测器的一种指标。 下图是一个示例：图中绿色框为实际框，红色框为预测框，当我们需要判断两个框之间的关系时，需要用什么指标呢？ 此时便需要用到IOU。....................................
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
xian0710830114的专栏
12-08 3万+
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。
计算目标检测IoU、Precision、Recall
05-15
计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、Precision、Recall 计算目标检测IoU、...
《计算机视觉之目标检测》IOU详解及代码 计算机视觉.pdf
04-21
目标检测的评价指标之一是IOU（Intersection over Union），本文将详细解释IOU的概念、计算方法和实现代码。 什么是IOU？ IOU（Intersection over Union）的全称是交并比，用于评价目标检测模型的性能。IOU计算的是...
python:目标检测模型预测准确度计算方式(基于IoU)
09-18
本文将深入探讨如何使用Python和Intersection over Union (IoU)来计算目标检测模型的预测准确度。 IoU是衡量两个边界框重叠程度的标准度量，常用于评估目标检测任务中的检测效果。具体而言，它是预测边界框...
目标检测---IOU计算详细解读(IoU、GIoU、DIoU、CIoU、EIOU、Focal-EIOU、SIOU、WIOU)
慕溪同学的博客
03-17 8138
常见的一些边界框回归IOU损失函数原理与代码实现。
多分类任务的混淆矩阵
deephub
01-12 7500
今天我将讨论如何在多分类中使用混淆矩阵评估模型的性能。 什么是混淆矩阵？ 它显示了实际值和预测值之间的差异。 它告诉我们有多少数据点被正确预测，哪些数据点没有被正确预测。对于多分类来说，它是一个 N * N 矩阵，其中 n 是编号。 输出列中的类别，也称为目标属性。一二分类任务中包含了 2 个类也就是一个 2*2 矩阵，一般情况下介绍混淆矩阵都会以二分类为例。 如果有 3 个类呢？那么将得到一个 3*3 矩阵依此类推。 通过上面描述我们知道，混淆矩阵的类将具有相同数量的行和列。 下面让我们尝试了解一些常用术
【目标检测】IoU（交并比）
MCU_master的博客
07-11 3793
IOU
目标检测(IOU) + 语义分割(mIOU) +NMS
ytusdc的博客
03-21 7040
一、IOU 我们先来看下IOU的公式： 现在我们知道矩形T的左下角坐标(X0,Y0)，右上角坐标(X1,Y1); 矩形G的左下角坐标(A0,B0)，右上角坐标(A1,B1) 这里我们可以看到和在确定坐标而不确定两个矩形是否相交的情况下，为已知的常量． 所以，我们只需要求解就行 这里我们先来看一下水平方向上的情况： 从上述的三种情况中我们可以看出： 当有重叠或者...
基于混淆矩阵的多类IoU计算方式理解
pain_gain0的博客
11-24 2173
1. IoU计算方式说明的相关文章： [1] https://blog.csdn.net/qq_21368481/article/details/80424754 [2] ​​​​​​https://www.daimajiaoliu.com/daima/479a7286b90041c 2. 自己实现混淆矩阵 import numpy as np gt = np.array([[0,1,0],[2,1,0],[2,2,1]]) pd = np.array([[0,2,0],[2,1,0],[1,2
深度学习中IU、IoU(Intersection over Union)的概念理解以及python程序实现
热门推荐
老潘的博客
12-14 9万+
IoU(Intersection over Union)Intersection over Union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。我们可以在很多物体检测挑战中，例如PASCAL VOC challenge中看多很多使用该标准的做法。通常我们在 HOG + Linear SVM object detectors 和 Convolutional Neural Network d
目标检测之 IoU
weixin_43751558的博客
09-29 361
IoU 作为目标检测算法性能 mAP 计算的一个非常重要的函数。 但纵观 IoU 计算的介绍知识，都是直接给出代码，给出计算方法，没有人彻底地分析过其中的逻辑，故本人书写该篇博客来介绍下其中的逻辑。 1. IoU的简介及原理解析 IoU 的全称为交并比（Intersection over Union），通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。 开始计算之前，我们首先进行分析下交集和并集到底应该怎么计算：我们首先需要计算交集

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值