交并比、非极大值抑制
作者：互联网
1 交并比（Intersection over union）
如何判断对象检测算法运作良好呢？并交比函数，可以用来评价对象检测算法。在对象检测任务中，你希望能够同时定位对象，所以如果实际边界框是这样的，你的算法给出这个紫色的边界框，那么这个结果是好还是坏？所以交并比（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。
一般约定，0.5 是阈值，在计算机检测任务中，如果loU ≥ 0.5，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。但一般来说只要loU≥ 0.5，那么结果是可以接受的，看起来还可以，在实际操作中，可以根据自己的需要设置阈值。
2 非极大值抑制（Non-max suppression）
我们的算法可能对同一个对象做出多次检测，所以算法不是对某个对象检测出一次，而是检测出多次，非极大值抑制这个方法可以确保你的算法对每个对象只检测一次。
输入一张图片，在上面一个 19×19 的网格上执行一下算法，你会得到 19×19×8 的输出尺寸。对于 19×19 网格，有 361 个格子的每个输出，我们会得到这样的输出预测，就是格子中有对象的概率（pc），实现非极大值抑制，你可以做的第一件事是，去掉所有边界框，我们就将所有的预测值，所有的边界框pc小于或等于某个阈值，比如pc≤ 0.6的边界框去掉，这就抛弃了所有概率比较低的输出边界框。非极大值抑制就会逐一审视剩下的矩形，所有和这个最大的边框有很高交并比，高度重叠的其他边界框，那么这些输出就会被抑制。所以思路是对于这 361 个位置，你输出一个边界框，还有那个最好边界框所对应的概率，所以我们只是抛弃所有低概率的边界框。
标签：边界,抑制,19,检测,算法,极大值,交并 来源： https://www.cnblogs.com/YY-zhang/p/15077166.html