目標檢測中的IoU

原創 朴素.无恙 2020-06-22 10:02

IoU（Interection-over-union）交併比
在目標檢測論文中，會出現參數IoU，即爲檢測的準確率IOU，其定義爲模型產生的目標窗口和原來標記窗口的交疊率（交併率）。具體我們理解爲：檢測結果（最終生成的框）與真實值Ground Truth的交集比上它們的並集。

對下圖做目標檢測
在這裏插入圖片描述
最終得到的圖像如下圖所示：
在這裏插入圖片描述
其DR = DetectionResult 即爲黑框包含部分；GT = GroundTruth，爲藍色部分
黃色邊框框起來的是：DR ⋂ GT
綠色框框起來的是： DR ⋃ GT
理想的情況下：DR與GT完全重合，即IOU = 1。

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

從RCNN到Faster RCNN

R-CNN (Region-based CNN features) 性能：RCNN在VOC2007上的mAP是58%左右。 簡述：R-CNN要完成目標定位，其流程主要分爲四步： 1.輸入圖像 2.利用選擇性搜索(Selectiv

Elag 2020-07-05 10:51:31

MyDLNote-Detection: DETR : End-to-End Object Detection with Transformers

End-to-End Object Detection with Transformers [paper] https://arxiv.org/pdf/2005.12872.pdf [github] https://github.com/

Phoenixtree_Zhao 2020-07-05 10:13:42

yolov5代碼閱讀筆記

文章目錄Yolov5 代碼筆記1. train(hyp)函數重點部分1.1 載入圖片路徑1.2 創建模型1.3 確定訓練和測試圖片的尺寸1.4 根據參數的形式（是否爲weight，是否爲bias等）定義模型的不同部分，併爲不同部分

RainbowSun1102 2020-07-04 15:48:21

[ICCV 2019] CenterNet: Object Detection with Keypoint Triplets論文筆記

文章目錄1. Introduction2. 與CornerNet的對比 1. Introduction   目前主流的物體檢測模型都會引入錨框，這些方法通常會存在以下問題：（1）算法通常需要大量的錨框，這樣才能確保GT與某些錨框之

RainbowSun1102 2020-07-04 15:48:21

Object Detection - IOU

IOU 物體檢測需要定位出物體的bounding box, 就像下面的圖片一樣，我們不僅要定位出車輛的bounding box，我們還要識別出bounding box裏面的無力就是車輛. 對於bounding box的定位精度，

StriveZs 2020-07-02 21:14:35

YOLO v1, v2, v3總結與比較

今天總結下YOLO V123的細節 官網：https://pjreddie.com/ YOLO v1 [CVPR2016] You Only Look Once: Unified, Real-Time Object Detecti

Fan72 2020-07-01 22:49:45

SNIP：目標檢測論文解讀

1. Background & Related Work 1.1 簡介 這篇文章主要的研究點是目標檢測中的小物體問題。小物體檢測一直是目標檢測中的難題，做過實驗的同學應該都知道數據集中small類的AP基本是最低的，主要原因是兩個，一個就

leo_fighting 2020-06-28 08:06:20

目標檢測論文: YOLO Nano: a Highly Compact You Only Look Once Convolutional Neural Network及其PyTorch實現

YOLO Nano: a Highly Compact You Only Look Once Convolutional Neural Network for Object Detection PDF: https://arxi

mingo_敏 2020-06-26 22:07:22

批標準化（Batch Normalization ）最詳細易懂的解釋

12. 批標準化（Batch Normalization ） 大綱：Tips for Training Deep Network Training Strategy: Batch Normalization Activatio

hy-lscj 2020-06-25 13:02:23

【目標檢測系列：八】RetinaNet Focal Loss for Dense Object Detection

ICCV 2017 Focal Loss for Dense Object Detection github 解決類別不平衡，提出 Focal loss 解決one-stage目標檢測中正負樣本比例嚴重失衡的問題 該損失函數降低

鹿鹿最可爱 2020-06-20 07:59:53

【目標檢測系列：六】2016 CVPR 特徵金字塔網絡（FPN）

2016 CVPR 特徵金字塔網絡（FPN） Feature Pyramid Networks for Object Detection ResNet 101 舉例:[2] down-top 就是 每個residual b

鹿鹿最可爱 2020-06-20 06:51:53

【目標檢測系列：五】2018 CVPR IoU-Net 論文閱讀解析總結

2018 CVPR Acquisition of Localization Confidence for Accurate Object Detection PreciseRoIPooling 代碼 ECCV 2018 | 曠視

鹿鹿最可爱 2020-06-20 06:51:53

【目標檢測系列：七】Cascade R-CNN: High Quality Object Detection and Instance Segmentation

2018 CVPR Cascade R-CNN: Delving Into High Quality Object Detection Cascade R-CNN: High Quality Object Detection an

鹿鹿最可爱 2020-06-20 06:51:53

【筆記】製作自己的MSCOCO數據集（VOC2COCO）

推薦先從這裏學習從零開始製作自己的Pascal VOC數據集。 1 MSCOCO數據集簡介 1.1 概要 現今最流行的公開數據集是啥？COCO，Common Objects in Context。現如今最先進的視覺檢測模型都

lazerliu 2020-06-17 09:37:05

SSD系列(2)——MultiBoxLoss解析

前言 本文是對SSD-Pytorch源碼中MultiBoxLoss文件的內容解析。 關鍵詞：multiboxloss、SSD、pytorch、目標檢測 注：編者水平有限，如有謬誤，歡迎指正。若要轉載，請註明出處，謝謝。 聯繫方式：

ryERO 2020-06-16 06:15:08