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

最新推荐文章于 2025-06-25 18:30:54 发布
原创 最新推荐文章于 2025-06-25 18:30:54 发布 · 置顶 · 1.4w 阅读 · 41 ·
CC 4.0 BY-SA版权
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。
文章标签：

#IOU(Intersection Over Union) #pytorch #IOU #object detection

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 ：

最低0.47元/天 解锁文章

200万优质内容无限畅学
Intersection over Union （IoU）
qq_39875876的博客
11-02 604
什么是IoU IoU(Intersection over Union)是一种用来测量Object detector在特定数据集上的精确度的评价指标。为了使用IoU评估一个Object detector，需要 真实的边框（The ground-truth bounding boxes ）（为了从测试机确定物体在图片中的位置而人工标记的边框） 使用模型预测的边框（The predicted bounding boxes） 从图中，可以看出目标检测器从图片中检测到了停止符号。预测边框被绘制成红色，真实边框被绘
计算机视觉在AI原生应用领域的应用场景拓展
AI天才研究院
06-19 596
本文旨在全面剖析计算机视觉技术在AI原生应用中的创新使用场景，帮助读者理解这项技术如何从实验室走向实际生产环境，并创造商业价值。讨论范围包括核心技术原理、典型应用案例、实施挑战及未来发展方向。文章将从计算机视觉的基础概念开始，逐步深入到具体应用场景和技术实现细节，最后探讨未来发展趋势。每个部分都将配有相应的技术图解和代码示例。计算机视觉(Computer Vision)：使计算机能够从图像或视频中获取信息、理解内容并做出决策的技术AI原生应用(AI-Native Applications)
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 10万+
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
【评估指标】IoU 交并比
最新发布
藓类少女的博客
06-25 988
IoU（Intersection over Union）是计算机视觉和目标检测中最常用的评估指标之一，用于衡量**预测边界框（Bounding Box）真实边界框（Ground Truth）**之间的重叠程度。它在目标检测、实例分割、语义分割等任务中广泛应用。IoU 计算的是两个边界框的**交集（Intersection）：0（完全不重叠） ~ 1（完全重合）
IoU（Intersection-over-Union）
强劲九
07-03 1412
交并比 （intersection over union） 即为两个区域的交集与并集的比值。 例如有两个区域 C 与 G，如下图表示： 那么 IoU 的值定义为： IoU=C∩GC∪GIoU=C∩GC∪GIoU=\frac{C \cap G}{C \cup G} 目标检测中的 IoU 在目标检测中，算法预测出来的 bounding box 不会与 ground truth box ...
Intersection over Union
谢军的博客
01-08 683
Intersection over Union IoU代码实现方式： 代码块 代码块语法遵循标准markdown代码，例如： # import the necessary packages from collections import namedtuple import numpy as np import cv2 # define the `Detection` object D
目标检测 IOU(Intersection over Union)
violet981的博客
05-29 1030
转载自https://blog.youkuaiyun.com/u014061630/article/details/82818112 原作者写的挺好的，mark一下 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
wise-iou损失函数原理图
05-13
Wise-IoU (Weighted Intersection over Union, WIoU) 是一种改进型的目标检测损失函数，旨在解决传统 IoU 在处理不同大小目标时存在的局限性。它通过对重叠区域赋予不同的权重来增强模型对于小目标和大目标的适应...
WIoU损失函数图解
06-04
WIoU（Weighted Intersection over Union）损失函数是一种改进版的IoU损失函数，常用于目标检测和分割任务中。它通过为不同区域分配不同的权重来解决传统IoU在处理不平衡区域时的不足[^1]。 #### 1. WIoU损失函数的...
预测边界框、真实边界框图解
02-12
因此，评价指标如IOU（Intersection over Union交并比）、AP（Average Precision平均精度）就被引入进来量化这种差距的程度。 ```python import matplotlib.pyplot as plt from PIL import Image, ImageDraw def ...
Intersection-over-union between two detections
家家的专栏
03-11 2578
1) You have two overlapping bounding boxes. You compute the intersection of the boxes, which is the area of the overlap. You compute the union of the overlapping boxes, which is the sum of the areas o
3D IoU(3D Intersection-over-Union,IoU) python
12-07
python计算3D IoU(3D Intersection-over-Union,IoU)代码
Intersection over Union - IoU - 交并比 (五)
程永强
12-09 723
Ubuntu releases are made semiannually by Canonical Ltd
IOU和NMS图解（附Python和C++代码）
weixin_44623662的博客
06-29 1196
IOU和NMS学习，代码和推导过程记录。
交并比（Intersection over union）
csdn_xmj的博客
05-19 1万+
来源：Coursera吴恩达深度学习课程 如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersection over union）函数，可以用来评价目标检测算法。 交并比（loU）函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域，就是属于包含两个边界框区域（绿色阴影表示区域），而交集就是这个比较小的区域（橙色阴影表示区域），那么交并比就是交集的大小，这个橙色阴影面积，然后除以绿色阴影的并集面积。 参考： 交并比：IOU=(A∩B)/(A∪B)=A和B的交集/A
检测评价函数intersection-over-union（IoU)
小小白~
05-29 622
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
检测评价函数 intersection-over-union （ IOU ）
乐乐的博客
09-06 3453
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 Netw...
Calculate IoU(intersection over union)
zem_nezer的博客
02-17 422
assume for each coordinate: {x1, y1}: lower left, {x2, y2}: upper right inter_x1 = max(x1, x1) inter_y1 = max(y1, y1) inter_x2 = min(x2, x2) inter_y2 = min(y2, y2) then we can calculate the intersecti...
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
10-18 445
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。
评论 1
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