目标检测：检测评价函数 intersection-over-union （ IOU ）

最新推荐文章于 2023-10-18 17:33:13 发布

furuit

最新推荐文章于 2023-10-18 17:33:13 发布

阅读量927

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/fu6543210/article/details/80380497

之前有简单提过ＩＯＵ，在学习目标检测，和人脸识别的时候都有提到，所以打算认真学一下。

在目标检测的评价体系中，有一个参数叫做 IoU ，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。

# ((x1[i], y1[i]), (x2[i], y2[i]))

　areai = (x2[i]-x1[i]+1)*(y2[i]-y1[i]+1)
　areaj = (x2[j]-x1[j]+1)*(y2[j]-y1[j]+1)

　xx1 = max(x1[i], x1[j])

　xx2 = min(x2[i], x2[j])

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

furuit

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【YOLOv8改进损失函数】用于目标检测的边界框回归损失函数 Powerful-IoU（PIoU）及其改进版本 PIoU v2（含源代码）

wzk4869的博客

03-17

1482

【YOLOv8改进损失函数】用于目标检测的边界框回归损失函数 Powerful-IoU（PIoU）及其改进版本 PIoU v2（含源代码）

目标检测系列：GIOU-Generalized Intersection over Union

qq_39382877的博客

08-05

561

Index 动机方法 GIOU定义 GIOU算法结果论文：https://arxiv.org/abs/1902.09630 代码：https://github.com/generalized-iou 下班前看了下这篇论文，感觉并不难理解，有时间去试一下。动机这篇文章主要从损失函数出发，来改进目标检测的算法。目前目标检测中主流的边界框优化采用的都是BBox的回归损失(MSE...

参与评论您还未登录，请先登录后发表或查看评论

目标检测性能评价指标 (IOU mAP)

Charles' blog

07-05

3380

检测评价函数 Intersection-over-Union (IOU) 1、概念在目标检测的评价体系中，有一个参数叫做 IOU ，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我们可以简单的理解为：即检测结果DetectionResult与Ground Truth的交集比上它们的并集，即为检测的准确率 IOU : IOU=GT⋂DRGT⋃DRIOU = \frac{GT\bigc...

目标检测一些函数

mathlxj的博客

02-15

1143

kaggle目标检测小技巧和函数

检测评价函数(intersection-over-union, IOU)

kangyi411的博客

01-01

749

在目标检测的评价体系中，有一个参数叫做 IoU ，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我们可以简单的理解为：即检测结果(Detection Result)与 Ground Truth 的交集比上它们的并集，即为检测的准确率 IoU : IoU=(DR⋂GT)/(DR⋃GT) 如下图所示：GT =GroundTruth; DR = DetectionResu

简单解释下目标检测中的这个IOU评价函数（intersection-over-union）

weixin_48331187的博客

10-18

449

它考虑了目标边界框之间的交集和重叠部分，通过计算交集和两个边界框的边界框面积的比值来评估模型预测的准确性。在目标检测中，IOU通常用于评估模型预测的边界框与真实目标边界框之间的准确性。如果模型预测的边界框与真实目标边界框的IOU值较高，说明模型对目标的检测更加准确。具体来说，当有两个边界框B1和B2时，IOU定义为它们重叠部分的面积与所有边界框区域（包括重叠和非重叠部分）面积的比值。其中，A1和A2分别是两个边界框的面积，∣A1 ∩ A2∣表示两个边界框重叠部分的面积。

YoloV8改进策略：将CIoU替换成Wise-IoU，幸福涨点，值得拥有，还支持EIoU、GIoU、DIoU、SIoU无缝替换

08-04

本篇文章将重点探讨YOLOv8的一个重要改进策略——将原来的Intersection over Union (IoU)度量标准CIoU替换为Wise-IoU，并讨论这种改进如何提高模型性能，同时支持其他IoU变体如EIoU、GIoU、DIoU和SIoU的无缝切换。...

检测评价函数intersection-over-union（IoU)

小小白~

05-29

624

在目标检测的评价体系中，有一个参数叫做 IoU ，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。可以简单的理解为：检测结果DetectionResult与真实值Ground Truth的交集比上它们的并集，即为检测的准确率 IoU : 举个例子，下面是一张原图然后我们对其做下目标检测，其DR = DetectionResult，GT = GroundTruth。黄色边框框起来的是： DR⋂GT 绿色框框起来的是： DR⋃GT 不难看出，最理想的情况就是DR与GT完全重合，即

Alpha-IoU: A Family of Power Intersection over Union Losses for Bounding Box Regression （论文阅读笔记）

浅浅记录一下吧。

11-24

5991

摘要 Bounding box（bbox）回归是CV中的一项基本任务，最常用的损失函数是IOU Loss 和相关变体。文章将现有的基于IoU Loss推广到一个新的Power IoU系列 Loss，它具有一个幂次IoU项和一个附加的幂次正则项。这种新的损失系列为α-IoU Loss。在多个目标检测基准和模型上的实验表明，α- iou损失可以显著的超过现有的基于iou的损失; 通过调节α，使探测器更灵活地实现不同水平的bbox回归精度; 对小数据集和噪声的鲁棒性更强。一、介绍 目标检测通常包含分类.

目标检测用到的函数

qq_43270687的博客

07-23

190

tf.where() import tensorflow as tf import numpy as np a = np.array([[1,1,1,1,0,0,0], [1,1,1,1,0,0,0]]) aa = np.array([[1,1,1,1,1,0,0], [1,1,0,1,0,0,0]]) d = tf.equal(a,aa...

检测评价函数 IOU

dfql83704的博客

03-26

315

　　在目标检测的评价体系中，有一个参数叫做IoU（intersection-over-union），简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我们可以简单的理解为：即检测结果(DetectionResult)与Ground Truth的交集比上它们的并集，即为检测的准确率IoU : 如下图所示：GT = GroundTruth; DR = Detectio...

目标检测中IOU的计算，python代码

cxn511的博客

01-15

488

def compute_iou(gt_box,b_box): ''' 计算iou :param gt_box: ground truth gt_box = [x0,y0,x1,y1]（x0,y0)为左上角的坐标（x1,y1）为右下角的坐标 :param b_box: bounding box b_box 表示形式同上 :return: ''' ...

目标检测中IOU计算的核心代码

zhe_csdn的博客

07-19

552

import numpy as np def IOU(det): order = det[:, 4].ravel().argsort()[::-1] det = det[order, :] # score值大的排在前面 while det.shape[0] > 0: # det.shape[0] 返回检测到的人头数量(n*5) area = (det[:, 2] - det[:, 0...

评价函数

谨慎对事低调行事 0与1的世界浩瀚如海学无止境

10-18

4620

评价函数 　 David Eppstein */文 * 加州爱尔文大学(UC Irvine)信息与计算机科学系　整体考虑　　　在你的程序中，评价函数综合了大量跟具体棋类有关的知识。我们从以下两个基本假设开始：　　(1) 我们能把局面的性质量化成一个数字。例如，这个数字可以是对取胜的概率作出的估计；但是大多数程序不给这个数字以如此确定的含义，因此这仅

《计算机视觉之目标检测》IOU详解及代码

奥古斯都

10-16

2352

今天在改模型的时候刚好用到了IOU，因此将IOU说说，记录一下代码，方便以后复用。 1、什么IOU IoU 的全称为交并比（Intersection over Union），它的计算也比较简单，就是两个目标proposal框重叠的区域比总体的区域。如下图所表示的，着就是所谓的IOU。 2、为什么需要Iou？在做目标检测的过程中有一个指标来评价这个模型的好坏，也就mAP。这个指标我下次再说，用检测出来的框和ground-truth之间计算IOU，如果IOU大于0.5或者其它的一个阈值，那么就认为

Intersection over Union - IoU - 交并比 (1)

程永强

07-04

2362

Intersection over Union - IoU - 交并比 (1) 1. Intersection over Union(IoU，交并比) The IoU is the ratio of the overlapping area of ground truth and predicted area to the total area. Here is a visual explanation of the metric: 2. Intersection over Union (IoU，.

目标检测损失函数Alpha-IoU