计算机视觉 / 系统课时

交并比 IoU

交并比 IoU

本课解决“两个边界框到底有多接近”这一核心问题。你将学会计算 IoU,理解它为何能同时用于正负样本匹配、边界框损失设计和检测结果评估,并能判断高 IoU 与低 IoU 分别意味着什么。

学习目标

  • 说清交集、并集与 IoU 的计算关系
  • 根据两个矩形坐标完成一次 IoU 计算
  • 理解 IoU 在训练、损失和评估中的不同角色

IoU 衡量的是什么

交并比 IoU(Intersection over Union)用于衡量两个区域的重叠程度。目标检测中,这两个区域通常是预测框与真实框。它只关心几何重合,不直接考虑类别是否正确,也不考虑框内像素内容。

预测框与真实框的交集、并集和 IoU 关系

设真实框区域为 AA,预测框区域为 BB,则:

IoU=∣A∩B∣∣A∪B∣IoU = \frac{|A \cap B|}{|A \cup B|}

IoU 的取值范围是 [0,1][0,1]。两个框完全不相交时为 0,完全重合时为 1。重叠越充分、额外覆盖越少,IoU 越高。

矩形框的计算过程

假设边界框使用左上角与右下角坐标表示:

  • 真实框:(x1g,y1g,x2g,y2g)(x_1^g,y_1^g,x_2^g,y_2^g)
  • 预测框:(x1p,y1p,x2p,y2p)(x_1^p,y_1^p,x_2^p,y_2^p)

交集矩形的左上角取两个左上角坐标中的较大值,右下角取两个右下角坐标中的较小值。交集宽高需要与 0 比较,避免不相交时得到负面积。

wi=max⁡(0,min⁡(x2g,x2p)−max⁡(x1g,x1p))w_i = \max(0, \min(x_2^g,x_2^p)-\max(x_1^g,x_1^p))
hi=max⁡(0,min⁡(y2g,y2p)−max⁡(y1g,y1p))h_i = \max(0, \min(y_2^g,y_2^p)-\max(y_1^g,y_1^p))

交集面积为 Si=wihiS_i=w_i h_i,并集面积为 Su=Sg+Sp−SiS_u=S_g+S_p-S_i,最终得到 IoU=Si/SuIoU=S_i/S_u。

例如真实框为 (10,10,50,50)(10,10,50,50),预测框为 (30,20,70,60)(30,20,70,60)。交集宽为 20,高为 30,交集面积为 600;两个框面积都为 1600,并集面积为 1600+1600−600=26001600+1600-600=2600,因此 IoU 约为 0.231。

IoU 在训练中的作用

样本匹配阶段会根据 IoU 判断某个预测位置或候选框应当学习哪个真实目标。通常,IoU 较高的预测负责该目标,IoU 过低的预测被视为背景或忽略样本。具体阈值和分配规则会随 YOLO 版本而变化,因此不能把某个固定阈值当成所有模型的统一标准。

边界框回归阶段也会使用 IoU 及其改进形式构造损失。普通 IoU 在两个框完全不相交时缺少有效的方向信息,因此实践中常见 GIoU、DIoU、CIoU 等变体,它们进一步考虑最小包围区域、中心点距离或宽高比。

IoU 在评估中的作用

评估时,只有类别正确且预测框与真实框的 IoU 达到指定阈值,预测才记为真正例。未达到阈值的框通常记为假正例,对应真实目标还可能形成假负例。

“AP@0.5”表示以 IoU 不低于 0.5 作为匹配条件;“AP@0.5:0.95”则会在多个阈值上计算并取平均。后者对定位精度要求更严格,能够区分“找到了目标”和“框得足够准”。

IoU 阈值不是置信度阈值。前者判断框与真实目标是否重合得足够好,后者判断模型是否愿意保留这个预测。

常见误区

第一,IoU 高不代表类别一定正确。一个框即使与真实目标高度重合,若类别预测错误,评估时仍不能算正确检测。

第二,并集不是两个面积直接相加。交集区域被两个框重复计算,必须减去一次,否则 IoU 会被低估。

第三,IoU 对小目标更敏感。相同的像素偏移发生在小框上,会造成更大的比例误差,因此小目标的 IoU 往往下降得更快。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

交并比 IoU

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通