1. 磐创AI-开放猫官方网站首页
  2. Medium

并集上的交点

今天我们将讨论目标检测和评估

物体检测只是一种识别和定位图像中存在的类(如猫、狗等)的技术。这可以通过在每个类周围绘制称为边界框的东西来实现。因此,每次在图像上执行对象检测时,都会返回5项内容-预测类、x、y、w、h,它们是预测边界框的尺寸。

现在,这篇文章不是关于物体检测的,而是关于评估我们在物体检测中的预测的指标。手动检查每一张图像都很容易,但是如果我们有数百万张图像呢?还有,计算机是如何做到这一点的呢?

…来了。。

并集交集(IOU)

这个名字本身似乎很直观,不言而喻。我们所要做的就是取方框的交叉点,然后除以方框的总面积(这是并集),得到介于0和1之间的分数。

黄色的方框现在是你的交叉口(画得很清爽吧)

红色的方框是工会。

公式=黄框/红框=欠条

仔细查看公式,想一想在这种情况下0或1意味着什么?

太棒了!分数为1表示完全重叠,这意味着完美的边界框,分数为0表示它们没有共同的区域,它们彼此完全分开,您可能需要在该模型上进行更多工作。

现在,欠条的门槛可以由您根据您的使用情况来决定,但这是一个经验法则

欠条分数>0.5,这是正常的

欠条得分>0.7你引起我的注意

欠条分数>0.9分满分!

由于每次借条得分都达到1.0几乎是不可能的,所以任何高于0.9的分数都应该是很棒的。

感谢您阅读我的帖子,祝您愉快:)

原创文章,作者:fendouai,如若转载,请注明出处:https://panchuang.net/2021/07/25/%e5%b9%b6%e9%9b%86%e4%b8%8a%e7%9a%84%e4%ba%a4%e7%82%b9/

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息