一、IoU
IoU 全称 intersection over Union ,交并比。主要用来衡量两个框重合程度。
计算公式: IoU = 两个框交集面积 / 两个框并集面积
例子: 通常视觉任务中 涉及 真实框(标签框)、模型预测框(不止一个),通常通过它们重合程度进行判断预测的好不好,这也是Iou Loss 的核心思想。
主要应用在,候选区域、NMS 的去重,评估mAP,计算IoU Loss(这个也是描述框重合度的指标)
在处理多个proposals、pred bboxes时,由于预测的结果间可能存在高冗余(即同一个目标可能被预测多个矩形框),因此可以过滤掉一些彼此间高重合度的结果;
NMS:具体操作就是根据各个bbox的score降序排序,剔除与高score bbox有较高重合度的较低score bbox,那么重合度的度量指标就是IoU;(后面会详细讲)
mAP:得到检测算法的预测结果后,需要对pred bbox与gt bb