目标检测之IoU(intersecton over union)标准

最新推荐文章于 2025-08-15 08:15:00 发布
原创 最新推荐文章于 2025-08-15 08:15:00 发布 · 1.5k 阅读 · 3 ·
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。

本文介绍了目标检测中的IoU（Intersection over Union）概念，用于衡量模型预测框与实际目标框的匹配程度。通过与实际标注框的对比，IoU可以帮助评估模型的性能。文中通过实例和图像展示了IoU的计算过程，并提到了与CorLoc指标的区别。

https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/

https://i-blog.csdnimg.cn/blog_migrate/20f72a26fa2216b952ea4435f4ad328b.jpeg

绿色代表ground truth box，红色代表predictive box. 

ground truth box 需要手动标注，predictive box是你选用的模型计算出来的结果。

将两者放在一起用IOU来衡量我们的模型检测目标的有效性。

从下图你可以很直观的看到IoU的计算。


Figure 2: Computing the Intersection of Union is as simple as dividing the area of overlap between the bounding boxes by the area of union (thank you to the excellent Pittsburg HW4 assignment for the inspiration for this figure).


Figure 3: An example of computing Intersection over Unions for various bounding boxes.

从python编程的角度实现

def bb_intersection_over_union ( boxA , boxB ) :
# determine the (x, y)-coordinates of the intersection rectangle
xA = max ( boxA [ 0 ] , boxB [ 0 ]
最低0.47元/天 解锁文章
目标检测：IOU
JIA_NG_FA_N的博客
06-17 1069
IOU（Intersection over Union）交并比：它计算的是“预测的边框”和“真实的边框”的交叠率，即它们的交集和并集的比值。这个比值用于衡量预测边框与真实边框的重叠程度，从而评估目标检测的准确性。在目标检测任务中，通常使用bounding box与ground truth之间的IoU值大小来判断预测结果的好坏。一般情况下，认为IoU>0.5就是一个不错的预测结果。两个box区域的交集除以并集总的来说。
目标检测中的IOU
嵌入式与人工智能
08-05 1949
IOU
【目标检测】IOU介绍
qq_43471945的博客
02-15 1万+
目前较为流行的IOU，其中包含最新的wise-IOU
目标检测 IOU
weixin_44656422的博客
02-21 1318
1、什么是IoU(Intersection over Union) IoU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。IoU是一个简单的测量标准，只要是在输出中得出一个预测范围(bounding boxex)的任务都可以用IoU来进行测量。为了可以使IoU用于测量任意大小形状的物体检测，我们需要： ground-truth bounding boxes（人为在训练集图像中标出要检测物体的大概范围） 我们的算法得出的结果范围。 也就是说，这个标准用于测量真实和预测之间的相...
目标检测之IoU
lzz555517的博客
08-31 524
目标检测之IoU 本博客主要作为本人学习记录，如果错误烦请指正哟~ IoU作为目标检测算法性能mAP计算的一个非常重要的函数，其计算过程是怎样的？ 1. IoU原理 IoU全程交并比(Intersection over Union)，计算的是“预测的边框”和“真实的边框”的交集和并集的比值。 预测边框的并集容易计算，即两个边框面积相加减去交集，但是交集不易计算。在计算交集时你首先想到的是，根据两个框的相对位置来计算交集，如图： 但是这样程序分支太多，设计较为麻烦了，所以可以先从一维角度考虑计算交集，如图
目标检测常用IOU总结
03-25
本文将深入探讨几种常用的边界框回归损失函数，包括IOU（Intersection over Union）、GIoU（Generalized Intersection over Union）、DIoU（Distance Intersection over Union）以及CIoU（Complete IoU）。...
目标检测之 IoU计算原理与方法
tp_0moyi0的博客
11-29 1084
iou计算
[图像处理] IOU Intersection over Union
qq_41265365的博客
08-13 1093
文章给出了IOU的意义+原理+具体实现，相关代码在github仓库中的Vison中。
目标检测之IoU（box:[top, left, bottom, right]）
weixin_51268175的博客
01-17 2152
参考： 目标检测之 IoU_黑暗星球-优快云博客_目标检测iouIoU 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。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 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。...https://blog.csdn.net/
目标检测：IoU介绍及其改进
qq_50001789的博客
06-26 3411
在目标检测中常用到一个指标IoU，又称交并比，用于衡量一幅图像中两个边界框的重合度。在训练阶段，可以用于衡量锚框和物体边界框之间的相似度，来给每个锚点划分正负样本，即给锚点匹配标签，同时也可以用作损失函数，通过提高预测边界框与真实边界框之间的相似度来改善网络预测物体边界框的能力；在测试阶段，可以利用IoU来衡量预测边界框之间的重合度，用于过滤重合度高的边界框，即参与NMS运算。计算公式边界框A和边界框B之间的交集区域面积除以并集区域面积IoUA∩BA∪BIoUA∪BA∩B​。
理解目标检测中的iou
zhaojinmiao的博客
07-09 284
IOU的输入 1 ground-truth的bounding box 2 预测的bounding box IOU的输出 输出为值在[0,1]之间的数字 IoU(Intersection over Union) = 两个矩形交集的面积/两个矩形的并集面积 其实换言之，就是真实的目标区域与预测的目标区域之间的比值。以Iou作为目标函数是为了避免一味的追求交集最大，而使得预测的目标区域过大。 列如下图红框的效果要比绿框的效果差，但是只看交集的话，红框则会更好，显然不满足实际的一个需要。 .
目标检测IOU和NMS详解
weixin_42958977的博客
07-18 1181
目标检测中遇到两个比较重要的概念,一个是iou,一个是nms
【目标检测必学】快速理解IOU、Recall、Precision、AP、mAP检测指标
qq_45193872的博客
03-03 8439
学习目标： 总结了几篇个人认为深入浅出的目标检测性能指标相关博客，希望通过这次笔记能帮助到还不理解的同学！ **理解目标检测中常用的性能检测指标mAP、IOU、Recall、Precision,**通过约30分钟的阅读深刻理解并掌握这几个常见指标的运用。
目标检测的“精准度标尺“：IOU（交并比）全解析
最新发布
qiutesting的博客
08-15 1212
直观性：结果在0-1之间，易于理解尺度不变性：不受框大小影响对称性广泛应用：从评估到损失函数设计可解释性：直接对应检测质量互动环节你在使用IOU时遇到过哪些坑？或者对哪个变体（GIoU/DIoU等）最感兴趣？欢迎在评论区分享你的经验！
目标检测从入门到精通——常见iou及变体算法介绍
swpucwf的博客
09-09 2678
在目标检测任务中，IoU 是评估模型性能的重要指标。随着研究的深入，许多 IoU 的变体被提出，以解决传统 IoU 在某些情况下的不足。每种 IoU 变体都有其独特的优点和适用场景，选择合适的 IoU 计算方法可以根据具体应用需求来决定。指标计算方式特点IoU交集面积 / 并集面积简单易懂，但在无重叠情况下无法提供有效反馈GIoUIoU - (最小外接框面积 - 并集面积) / 最小外接框面积解决了 IoU 的不足，考虑了框之间的距离DIoU。
简单理解目标检测的IOU究竟是什么
向往有那么一天梦幻的步态识别落地，开花❀！
07-11 4870
目标检测中有一个很重要的概念便是IOU，那么什么是IOU？ IOU是一种评价目标检测器的一种指标。 下图是一个示例：图中绿色框为实际框，红色框为预测框，当我们需要判断两个框之间的关系时，需要用什么指标呢？ 此时便需要用到IOU。....................................
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
热门推荐
xian0710830114的专栏
12-08 4万+
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。
【目标检测算法】IOU、GIOU、DIOU、CIOU
weixin_44001371的博客
12-07 1677
IOU --> GIOU --> DIOU -->CIOU损失函数，每一种损失函数都较上一种损失函数有所提升。下面来具体介绍这几种损失函数。CIOU的对比重叠面积、中心点距离、纵横比IoU: 考虑了重叠面积，归一化坐标尺度GIoU： 考虑了重叠面积，基于IoU解决边界框不相交时loss等于0的问题。DIoU： 考虑了重叠面积、中心点距离，基于IoU解决GIoU收敛慢的问题CIoU： 考虑了重叠面积、中心点距离、纵横比，基于DIoU提升回归精确度。
目标检测--目标边界框IoU的计算
m0_50758340的博客
09-27 1734
目标检测--目标边界框IoU的计算
目标检测：IOU及其在边界框回归中的应用
"这篇资源主要讨论了目标检测中边界框回归优化的重要概念，特别是交并比（Intersection over Union, IOU）在评估预测框与真实框重合度时的角色。内容涵盖L1、L2范数损失函数以及它们的局限性，接着介绍了IOU损失函数...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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