IOU(Intersection Over Union) 概念清晰图解 + python代码示例

IOU是目标检测中的重要指标,衡量候选框与真实框的重合程度。文章通过图解和Python代码示例详细解释了IOU的计算过程,包括不同重叠情况的处理,以及如何从水平和竖直方向上求解交集与并集的比值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

IOU(Intersection Over Union)

交并比(Intersection-over-Union,IoU),目标检测中使用的一个概念,是产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率,即它们的交集与并集的比值。

title

title

最理想情况是完全重叠,即比值为1。

title

计算

**已知:** 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).

先来看一下水平方向上的情况:

title

根据上图思路,画出给出矩阵x方向可能的三种情况。

title

交集计算的逻辑

交集上界 :

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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