版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/ybdesire/article/details/82056485
摘要
如何评价你的目标检测算法效果好坏呢?
问题的提出
如果你要检测的目标的实际边界如下图中红色框所示,但你的算法给出的预测边界结果是紫色框。那么,这个结果是好还是不好呢?该怎么样来衡量目标检测算法的好坏呢?
交并比函数(IoU,intersection over union)就是用来解决这个问题的。
交并比函数
交并比函数,即IoU函数的定义为:预测边界和实际边界 交集的面积 比 并集的面积。如下图所示
黄色部分就是预测边界和实际边界交集的面积,除以其并集(紫色)的面积,一般只要IoU>0.5就说明检测结果正确。
如果预测边界和实际边界完美重合,那IoU=1。IoU越高,边界框越精确。这就是衡量预测结果精确度的方法。
参考
AndrewNG的deep learning课程。