目标检测系列之iou的计算(python实现)

本文介绍了目标检测中的重要指标IOU(Intersection over Union),解释了其概念和作用,以及如何通过Python计算IOU。文章还讨论了IOU在判定预测框有效性时的阈值设置,并概述了IOU的不同类型。

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

1.IOU

      IOU(Intersection over Union)即交并比,是目标检测中衡量目标检测算法准确度的一个重要指标,顾名思义,即交集与并集的比值,那所谓的交集和并集分别指代什么呢?

 

目标检测是一个有监督学习的过程,它常常需要大量的有标签数据进行训练学习。目标检测实际要解决的问题有两个,一个是目标分类,还有一个就是目标定位,这里我把目标的位置信息也当作是一种标签,只不过这种标签是目标框的信息x,y,w,h,一般由人工标记。如上图所示,ground truth 所在的框就是一个目标真实label,而bounding box 就是目标检测算法预测的目标的label。如果两个框能完全重合,那么就说明目标检测算法预测结果完全正确,但通常这是不可能,目标框的预测实际是回归问题,回归问题的损失函数再怎么迭代更新,都不可能等于0。

      上图所示就是所谓的IOU,它是目标所在的真实框(ground truth) 与算法预测的目标所在的框(bounding box)的交集与并集的比值。这个IOU由什么用呢?有时我们听别人作报告时,会听到IOU阈值这类的说法,我们会用IOU阈值来判定预测的bounding box是否有效。一般阈值会设定在0.5,当IOU的值大于等于0.5时,我们会把这个预测的bounding box 归为正类,而小于0.5的归为负类。再将正类的bounding box拿去回归训练。

2.IOU的类型有以下几种 

评论 5
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