来源：Coursera吴恩达深度学习课程
如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersection over union）函数，可以用来评价目标检测算法。
交并比（loU）函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域，就是属于包含两个边界框区域（绿色阴影表示区域），而交集就是这个比较小的区域（橙色阴影表示区域），那么交并比就是交集的大小，这个橙色阴影面积，然后除以绿色阴影的并集面积。
参考：
交并比：IOU=(A∩B)/(A∪B)=A和B的交集/A和B的并集
一般来说，IoU大于等于0.5，那么结果是可以接受的，就说检测正确。如果预测器和实际边界框完美重叠，loU就是1，因为交集就等于并集。一般约定，0.5是阈值（threshold），用来判断预测的边界框是否正确。loU越高，边界框越精确。
人们定义loU这个概念是为了评价你的对象定位算法是否精准，但更一般地说，loU衡量了两个边界框重叠地相对大小。（More generally, IoU is a measure of the overlap between two bounding boxes.）如果你有两个边界框，你可以计算交集（intersession），计算并集（union），然后求两个数值的比值（the ratio of the two areas），所以这也可以判断两个边界框是否相似，当我们讨论非最大值抑制（non-max suppression）时再次用到这个函数。
说明：记录学习笔记，如果错误欢迎指正！转载请联系我。