IoU（交并比）函数

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。