每天五分钟计算机视觉：通过交并比判断对象检测算法的性能

本文重点

在对象检测领域，交并比（Intersection over Union，简称IoU）是衡量算法性能的重要指标之一。它不仅直观地反映了预测框与真实框之间的重叠程度，还是判断算法是否“运行良好”的关键依据。

那个定位是好的？

对象检测任务中，我们希望不仅检测到对象，同时我们还希望能够定位到对象，但是有些时候定位效果可能不太好，如上图所示，我们的对象的边框应该是红色的，但是算法却给出了这个紫色的边框，那么如何评价这个结果呢？就要通过交并比。

交并比（IoU）的概念

交并比（IoU）是对象检测中用于量化预测框（bounding box）与真实框（ground truth box）之间重叠程度的指标。

两个边界框交集和并集之比：IOU=(A∩B)/(A∪B)

A∩B表示预测边框和实际的边框相交的面积

IoU 的值域为 [0, 1]，值越大表示预测框与真实框的重叠程度越高，预测结果越准确。IOU是一个阈值，一般来说我们常用0.5，如果预测器和实际边界框完美重叠，loU 就是 1，因为交集就等于并