目标检测学习笔记——IOU的作用

一、训练时

1、确定正负样本
通过iou阈值来确认bbox是正负样本，大于某个阈值的认识是正样本，小于某个阈值的认为是负样本，两个阈值中间的抛弃，因为负样本很多，所以通常选取较小的阈值来确定负样本。

2、用来NMS计算

二、评估时

1、计算MAP

MAP是所有类别AP的均值，AP由精确率和召回率确定，而IoU 阈值、confidence 阈值影响 precision 和 recall 的计算。
为了计算 precision、recall，我们不得不去判定 True Positives (TP)、False Positives (FP)、True Negatives (TN)、False Negatives (FN)。
为了得到 TP、FP，我们使用confidence来预测正负，使用 IoU 来判定预测结果是正确的还是错误的。最常用的 IoU 阈值是 0.5。如果 IoU 大于 0.5，则认为该预测是 TP（通过置信度预测是正，通过iou判断预测正确），否则认为是 FP（通过置信度预测样本是正，但测试时通过iou判断预测错误）。COCO 评估指标建议使用不同的 IoU 阈值，但是为了简单，我们假设阈值是0.5，这就是 Pascal VOC 数据集的评价指标。

总结： 所以置信度是用来预测的，大于置信度阈值的模型认为是正，iou是来判断这个bbox是否算是gt，大于阈值则认为是gt,否则认为是负样本。

IoU 是一个简单的几何指标，其可以很容易被标准化，例如：VOC 挑战赛评估指标基于 50% IoU 计算 mAP，然而 COCO 挑战赛更进一步，计算 mAP 时使用的 IoU 阈值从 5%-95%。不同模型预测值的 confidence 可能不同，你的模型的 50% confidence 可能对应其他人模型的 80% confidence。这将改变 precision recall 曲线的形状。因此 VOC 组织者想出了一个与模型无关的评价方式。
COCO目标检测测评指标
COCO目标检测比赛中的模型评价指标介绍！