IOU

Intersection over Union(IoU)是一种测量在特定数据集中检测相应物体准确度的一个标准。IoU是一个简单的测量标准,只要是在输出中得出一个预测范围(bounding boxes)的任务都可以用IoU来进行测量。

IoU(重叠度)

IoU分数是对象类别分割问题的标准性能度量。 给定一组图像,IoU测量给出了在该组图像中存在的对象的预测区域和地面实况区域之间的相似性,并且由

 

 

 以下等式定义:

其中TP,FP和FN分别表示真阳性,假阳性和假阴性计数。
从上式可以看到IoU得分是基于计数的度量,而所提出的FCN的输出是表示像素是对象的一部分的可能性的概率值。 因此,无法直接从网络输出中准确测量IoU得分。所以使用概率值来近似IoU分数。 更正式说,让
是训练集中所有图像的所有像素的集合,X是表示集合V上的像素概率的网络的输出(在sigmoid层之外),并且是 集合V的地面实况分配,其中0表示背景像素,1表示对象像素。 然后,IoU计数可以定义为:

其中,I(X)和U(X)可近似如下:

 

IoU损失

 LIOU可以定义如下:

 

然后,将IOU损失 LIOU纳入FCN的目标函数,其形式如下:

 

 其中,w是深层网络的参数集

最佳参数组w

使用随机梯度下降来解决,目标函数相对于网络输出的梯度可以写成如下:

 

 

 

 

 

可以进一步简化如下:

 


计算了目标函数相对于网络输出的梯度,可以使用导数的链规则简单地反向传播梯度,以便计算关于网络参数w的目标函数的导数。 

 

 

 

 

 

 

 

 

 

推荐这些文章:

2021—2022学年第一学期寒假学习记录10

2022.01.10,今天是服务外包竞赛:随便拿个奖队的项目进行的第十天,今天根据项目要求继续学习matlab数字图像处理
 
实验九  图像分割
一、实验目的
 
使用MatLab 软件进行图像的分割。使学生通过实验体会一些主要的分割算子对图像处理的效果,以及各种因素对分割效果的影响。
 
二、...

目标检测理论(1)———交并比(IoU)和 非极大值抑制(NMS)

1. 交并比:IoU:
  1) 概念:如图有两个区域:A和B,IoU就是两个区域的相交面积 / (总面积-相交面积);
           即:  IoU =  A ∩ B / A υ B;
  
 
   2)应用:
  在目标检测中,我们首先会预测出...

目标检测理论(2)———精确度(查准率)、召回率(查全率)

根据上一篇随笔:目标检测理论(1),我们已经明白了两个概念:IOU(交并比)和NMS(非极大值抑制)。
 

这里我们继续介绍两个概念:

Precision(准确度):    模型预测的所有目标中,预测正确的比例。
Recall(召回率):        &nbs...

opencv学习周报(下)

Opencv学习:
(1)基本的opencv数据类型的容器
(2)基本的函数学习(如输入输出,延时函数等)
(3)基础学习:
               (1) 算数与几何操作
       (2) LUT查找表
 ...

概率和似然的区别和极大似然估计的定义

概率:已知环境对应参数的情况下,估计某个事件出现的概率。
似然:已知某件事情发生的情况下,估计导致某件事情出现这个结果原因,即估计导致这个事件出现的参数。

 
 

 
 
 
 注解:
1.P是关于x的函数。
2.L是关于θ的函数。

 
 

&nbs...

文章标题:IOU
文章链接:https://www.dianjilingqu.com/4501.html
本文章来源于网络,版权归原作者所有,如果本站文章侵犯了您的权益,请联系我们删除,联系邮箱:saisai#email.cn,感谢支持理解。
THE END
< <上一篇
下一篇>>