交并比(Intersection over union)

来源:Coursera吴恩达深度学习课程

如何判断目标检测算法运作良好呢?接下来,你将了解到并交比(intersection over union)函数,可以用来评价目标检测算法

交并比(Intersection over union)_第1张图片

交并比(loU)函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域,就是属于包含两个边界框区域(绿色阴影表示区域),而交集就是这个比较小的区域(橙色阴影表示区域),那么交并比就是交集的大小,这个橙色阴影面积,然后除以绿色阴影的并集面积。

参考:

交并比:IOU=(A∩B)/(A∪B)=A和B的交集/A和B的并集

一般来说,IoU大于等于0.5,那么结果是可以接受的,就说检测正确。如果预测器和实际边界框完美重叠,loU就是1,因为交集就等于并集。一般约定,0.5是阈值(threshold),用来判断预测的边界框是否正确。loU越高,边界框越精确

人们定义loU这个概念是为了评价你的对象定位算法是否精准,但更一般地说,loU衡量了两个边界框重叠地相对大小。(More generally, IoU is a measure of the overlap between two bounding boxes.)如果你有两个边界框,你可以计算交集(intersession),计算并集(union),然后求两个数值的比值(the ratio of the two areas),所以这也可以判断两个边界框是否相似,当我们讨论非最大值抑制(non-max suppression)时再次用到这个函数。

说明:记录学习笔记,如果错误欢迎指正!转载请联系我。

你可能感兴趣的:(吴恩达深度学习笔记,深度学习知识点储备,笔记,算法,机器学习,python,深度学习,计算机视觉)