そして、クロスの比（交差点を超える組合）
どのようにして検出アルゴリズムは、それを操作する良い物を裁くのですか？このノートでは、あなたが有料機能よりも学びます、オブジェクト検出アルゴリズムを評価するために使用することができます。次のノートでは、我々はさらに検出アルゴリズムを改善するためのコンポーネントを挿入するためにそれを使用し、ここで私達は行きます。
物体検出タスクでは、あなたが同時にオブジェクトを検索できるようにしたいので、これは実際のバウンディングボックスである場合は、あなたのアルゴリズムは、紫色のバウンディングボックスを与え、その結果が良いか悪いですか？
したがって行うに堆積比（ルー）機能をされ2つのバウンディングボックスの交差点と労働組合の比率を計算します。そして、バウンディングボックスセットの2は、バウンディングボックスに属する2つの領域（緑の斜線部分）が含まれていることが、この領域であり、交差点はサイズの交点であるよりも、この比較的小さな領域（オレンジ色の斜線部分）、その後、有料ですオレンジ領域を網掛けし、次に緑色日陰領域とセットで割りました。
参考：
そしてクロス比：IOU =（A∩B）/（A∪B）
一般的な慣例、コンピュータで検出タスクは、loU≥0.5場合、予測と実際の完全なバウンディングボックスを重ねる場合、ルーが1であり、交点がセットに等しいので、正確前記検出します。その結果が受け入れ可能である。しかしloU≥0.5限り、一般的には、ルックスができます。一般的な慣例、0.5は、バウンディングボックスの正しい予測するかどうかを判定するための閾値です。だから、一般的に合意されたが、あなたはもう少し厳密たい場合は、LOUは、例えば0.6以上の数値より大きく、より高いLOU、より正確なバウンディングボックスのために、高く設定することができます。
これは、位置合わせの精度を測定するための方法であるので、あなたは、オブジェクトを正確に配置されているかどうかを決定するために、この定義を使用することができ、物体を検出して検索し、正しいアルゴリズムの数を数えるだけです。あなたはもう少し厳しくしたい場合は、再度、0.5人工の規則ではなく、特に深い理論的基礎は、しきい値は0.6に設定することができます。時々私は、より厳格な基準など、0.6あるいは0.7を参照してください、しかし、めったに0.5以下にまで誰かのしきい値を見ません。
LOUの人々は、あなたの正確なターゲットのローカリゼーションアルゴリズムかどうかを評価するために、この概念を定義しますが、より一般的には、ルーは、相対的なサイズオーバーラップ2のバウンディングボックスを測定します。あなたは2つのバウンディングボックスを持っている場合は、交差点を計算することができます計算してセットされ、2つのバウンディングボックスが類似しているとき、私たちは、再びこの次のビデオ機能を使用するかを決定することが可能であるので、それから、2つの値をレシオ非最大抑制を議論する際、再び我々は使用しています。
教師エンダのジョークを聞いてください。
まあ、これはLOU、あるいは賃金との比率であり、IOUのは言及していない私はあなたにお金を借りて、この概念は混乱、あなたが他の誰かにお金を貸した場合、彼らはあなたのIOUを書きます、と彼は言った：「私はあなたを借りてそんなにお金（私はあなたにこのくらいのお金を所有） 。」、 また、LOUと呼ばれています。これは完全に異なる概念で、これら二つの概念と同じ名前です。
LOUの導入は、現在のクロスの割合と次のノートのように定義した後、私は非最大抑制を議論したい、このツールは、より良いYOLOアルゴリズムの出力を可能にする、我々は継続して次のノート。