Intersection over Union （IoU）

什么是IoU

IoU(Intersection over Union)是一种用来测量Object detector在特定数据集上的精确度的评价指标。为了使用IoU评估一个Object detector，需要

1. 真实的边框（The ground-truth bounding boxes ）（为了从测试机确定物体在图片中的位置而人工标记的边框）
2. 使用模型预测的边框（The predicted bounding boxes）
   
   从图中，可以看出目标检测器从图片中检测到了停止符号。预测边框被绘制成红色，真实边框被绘制成绿色。
   IoU计算公式如下
   IoU = Area of Overlap Area of Union \text{IoU} = \frac{\text{Area of Overlap}}{\text{Area of Union}} IoU=Area of UnionArea of Overlap​
   
   分子是预测边框与真实边框交集部分的面积。
   分母是预测边框与真实边框的并集部分的面积。
   重叠部分除以并集部分得到IoU。
   IoU > 0.5 \text{IoU}>0.5 IoU>0.5，预测结果可以看作是一个好的预测。

为什么使用IoU

如同分类任务使用精确度作为评价指标，目标探测任务同样需要一个评价指标来评价其性能。
现实中，预测边框的（x, y）坐标刚好与实际边框的（x, y）坐标吻合是不可能的。
由于模型参数复杂（图像金字塔比例image pyramid scale，滑动窗口大小，特征提取方法等），预测边框与实际边框完全匹配是不现实的。
因此，我们需要定义一种评价指标来奖励与真实边框重度重合的预测边框。

我们不需要完全重合，只需要确保预测边框与真实边框尽可能重合。IoU使得其能后以数值表示出来。