目标检测中的常见评价指标

一、 IOU

如何判断对象检测算法运行良好呢？IOU交并比函数可以用来评价对象检测算法。它做的是计算两个边界框交集和并集之比。这两个边界框分别是bounding box 与 ground truth。因此这个概念是为了评价你的对象定位算法是否精准，即IOU衡量了两个边界框重叠的相对大小。公式如下：

IOU=(A∩B)/(A∪B)

一般约定，在计算机检测任务中，如果IOU>=0.5，则预测是可以被接受的，若IOU=1，代表预测框和实际框完美重合。IOU的阈值0.5是人工约定的，如果你希望严格一点，可以将阈值定的更高，越高越精确，这是衡量定位精确度的一种方式。

二、NMS

        我们在对象检测中会遇到一个问题，算法可能对同一个对象作出多次检测，因此NMS非最大抑制的作用就是清理这些重复的检测结果，确保算法对每个对象只检测一次。

 如图，我们使用算法想要定位这一辆车，但是算法找出了多个预测框，我们需要判断哪个框是所需要的，这一过程就是利用NMS，具体流程是：

先假设有6个矩形框，根据分类器类别分类概率做排序，从小到大分别属于车辆的概率分别为A、B、C、D、E、F。

(1)从最大概率矩形框F开始，分别判断A~E与F的重叠度IOU是否大于某个设定的阈值;

(2)假设B、D与F的重叠度超