目标检测中的概念

内容来源于互联网

交并比（Intersection-over-Union，IoU）【1】

目标检测中使用的一个概念，是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。
Python实现

def calculateIoU(candidateBound, groundTruthBound):
    cx1 = candidateBound[0]
    cy1 = candidateBound[1]
    cx2 = candidateBound[2]
    cy2 = candidateBound[3]

    gx1 = groundTruthBound[0]
    gy1 = groundTruthBound[1]
    gx2 = groundTruthBound[2]
    gy2 = groundTruthBound[3]

    carea = (cx2 - cx1) * (cy2 - cy1) #C的面积
    garea = (gx2 - gx1) * (gy2 - gy1) #G的面积

    x1 = max(cx1, gx1)
    y1 = max(cy1, gy1)
    x2 = min(cx2, gx2)
    y2 = min(cy2, gy2)
    w = max(0, x2 - x1)
    h = max(0, y2 - y1)
    area = w * h #C∩G的面积

    iou = area / (carea + garea - area)

    return iou

边框回归 Bounding-Box regression【2】

生成的proposal与groundtruth的两个框不一致，我们想通过某种方法使得产生的另个一个框介于两者之间，更接近与真值

Selective Search 选择性搜索【3】

对于目标区域不是采用的穷举法，
作者在selective search方法中提出了三种策略：
1） 通过使用具有不同不变性质的各种颜色空间；
2） 通过使用不同的相似性度量；
3） 通过使用不同的初始化区域；

1.https://www.lao-wang.com/?p=114
2.http://blog.csdn.net/zijin0802034/article/details/77685438
3.http://blog.csdn.net/qq_21089969/article/details/54379522