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