目標檢測中使用的乙個概念
是產生的候選框（candidate bound）與原標記框（ground truth bound）的交疊率
即它們的交集與並集的比值。最理想情況是完全重疊，即比值為1。
交集：
集合論中，設a，b是兩個集合，由所有屬於集合a且屬於集合b的元素所組成的集合，叫做集合a與集合b的交集，記作a∩b。
eg：a= b=
a n b =
並集：
給定兩個集合a，b，把他們所有的元素合併在一起組成的集合，叫做集合a與集合b的並集，記作a∪b，讀作a並b。
## 獲取矩形框交集對應的左上角和右下角的座標（intersection）
xx1 = np.max([xmin1, xmin2])
yy1 = np.max([ymin1, ymin2])
xx2 = np.min([xmax1, xmax2])
yy2 = np.min([ymax1, ymax2])
## 計算兩個矩形框面積
area1 = (xmax1-xmin1) * (ymax1-ymin1)
area2 = (xmax2-xmin2) * (ymax2-ymin2)
inter_area = (np.max([0, xx2-xx1])) * (np.max([0, yy2-yy1])) #計算交集面積
iou = inter_area / (area1+area2-inter_area+1e-6) ＃計算交並比
return iou
目標檢測交並比（IoU）理解
交並比 intersection over union，iou 目標檢測中使用的乙個概念 是產生的候選框 candidate bound 與原標記框 ground truth bound 的交疊率 即它們的交集與並集的比值。最理想情況是完全重疊，即比值為1。基礎知識 交集 集合論中，設a，b是兩個集...
目標檢測之 IoU
iou 作為目標檢測演算法效能 map 計算的乙個非常重要的函式 但縱觀 iou 計算的介紹知識，都是直接給出 給出計算方法，沒有人徹底地分析過其中的邏輯，故本人書寫該篇部落格來介紹下其中的邏輯。iou 的全稱為交並比 intersection over union 通過這個名稱我們大概可以猜到 i...
目標檢測之IoU
iou 交並比 是目標檢測中乙個常用的概念，通常用來衡量候選框 candidate 與真實標記框 ground truth 之間的交疊程度。定義兩個集合a和b，兩者的iou為兩者的交與兩者的並的比值，即 iou 例如圖中有兩個有重疊部分的矩形 乙個是藍色矩形a，另乙個是綠色矩形b，交疊部分用橙色表示...