1. 交併比
並交比（Intersection over Union）函數，可以用來評價對象檢測算法，判斷對象檢測算法運作是否良好
在對象檢測任務中，希望能夠同時定位對象，所以如果實際邊界框是這樣的
算法給出這個紫色的邊界框
兩個邊界框的並集是這個區域，就是屬於包含兩個邊界框區域（綠色陰影表示區域）
所以交併比（loU）函數做的是計算兩個邊界框交集和並集之比
而交集就是這個比較小的區域（橙色陰影表示區域）
那麼交併比就是交集的大小，這個橙色陰影面積，然後除以綠色陰影的並集面積
2. 評價準則
交併比：IOU=(A∩B)/(A∪B)
一般約定，在計算機檢測任務中，如果loU≥0.5，那麼結果是可以接受的，就說檢測正確
如果預測器和實際邊界框完美相同大小，就預示着交集要大於三分之二
如果預測器和實際邊界框完美重疊，loU就是1，因爲交集就等於並集
一般約定，0.5是閾值，用來判斷預測的邊界框是否正確
一般是這麼約定，但如果希望更嚴格一點，可以將loU定得更高，比如說大於0.6或者更大的數字
但loU越高，邊界框越精確
所以這是衡量定位精確度的一種方式
只需要統計算法正確檢測和定位對象的次數
就可以用這樣的定義判斷對象定位是否準確
有時看到更嚴格的標準，比如0.6甚至0.7
但很少見到有人將閾值降到0.5以下
人們定義loU這個概念是爲了評價對象定位算法是否精準
但更一般地說，loU衡量了兩個邊界框重疊地相對大小
如果有兩個邊界框，可以計算交集，計算並集，然後求兩個數值的比值
所以這也可以判斷兩個邊界框是否相似
參考：
相關推薦：
深度學習筆記（36） 邊界框預測
深度學習筆記（35） 滑動窗口的卷積實現
深度學習筆記（34） 目標檢測
深度學習筆記（33） 特徵點檢測
深度學習筆記（32） 目標定位
謝謝！