AI算法基础 [1]:mIoU
IoU(Intersection over Union 交并比)
- 就是矩形框A、B的重叠面积占A、B并集的面积比例。
IoU=Area(A∩B)/Area(A∪B)

- 预测的结果往往就是四种情况:
- true positive(TP) 真正 被判定为正样本,事实上也是正样本
- false positive(FP) 假正 被判定为正样本,但事实上是负样本
- true negative(TN) 真负 被判定为负样本,事实上也是负样本
- false negative(FN) 假负 被判定为负样本,但事实上是正样本
第二个字母:What’s your judgement about the sample?
第一个字母:Is your judgement right(true) or not(false)?

基于以上定义:IoU=TP/(FP+FN+TP)
mIoU(Mean Intersection over Union)均交并比
即对每个类别计算出的IoU求平均。

其中,i表示真实值,j表示预测值,pij表示将i预测成j的数量,故上式等价于

本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 旭穹の陋室!
评论








![现代硬件算法[8.8]: 时空局部性](/images/pd_09.webp)
![现代硬件算法[8.7]: 缓存遗忘算法](/images/pd_08.webp)
![现代硬件算法[8.6]: 淘汰策略](/images/pd_07.webp)
![现代硬件算法[8.5]: 列表排名](/images/pd_06.webp)
![现代硬件算法[8.4]: 外部排序](/images/pd_05.webp)