IoU 和 mIoU

在语义分割领域常用这两个指标评估模型性能。例如下图中:P(整个黑框)表示 ground-truth 像素区域,Q(整个绿框)表示模型预测的像素区域

IoU全称为:Intersection over Union

交并比(IoU)

\[ IoU = \frac {P ∩ Q} {P ∪ Q} \]

当 IoU==1 时,表示 P 和 Q 完全重叠,即预测完全正确,当 IoU==0 时,两者完全独立,即预测没有丝毫正确的地方

平均交并比(mIoU)

很多情况下,模型预测的类别往往不止一个,假设类别为 k 个,则对这 k 个预测的 IoU取均值即可

\[ mIoU = \frac {1} {k} \sum_{i=1}^{k}IoU_i \]

Leave a Comment