Intersection over Union（IoU），中文通常稱為「交並比」，是計算機視覺領域，特別是在物體檢測和圖像分割任務中，常用來衡量預測邊界框與真實邊界框重疊程度的評估指標。
IoU 分數解釋：• IoU = 1：預測框與真實框完全重合，完美匹配。
• IoU = 0：兩框完全不重疊，無交集。
• 中間值反映預測框與真實框的匹配程度，數值越高匹配度越好。
IoU 的應用價值：
• 物體檢測：判斷模型預測邊界框的準確性，常用於計算 mAP 等指標的基礎。
• 圖像分割：用於評估分割區域和真實標註的一致性。
• 模型評估：作為目標定位精度的標準指標。
簡單比喻：
IoU 就像兩個重疊的透明貼紙，透過比較重疊部分與總面積的比例，來判斷兩者重合的程度。
總結：
Intersection over Union（IoU）是評估物體檢測和分割任務中預測結果與真實標註重疊精度的重要指標，衡量二者區域的交集與並集之比，分數越高表示越精準對應。Intersection over Union（IoU），中文稱為「交並比」，是計算機視覺常用來評估物體檢測和圖像分割模型準確性的指標。它衡量預測邊界框與真實標註邊界框的重疊程度。
IoU 數值意義：
• 1 表示預測框與真實框完全重合。
• 0 表示兩框無重疊。
• 介於 0 至 1 之間代表重疊程度，數值越大預測越準確。
主要應用：
• 物體檢測模型的性能評估。
• 圖像分割結果與標註的對比。
• 是多種指標（如mAP）的基礎計算。
簡單比喻：
IoU 就像檢查兩個貼紙貼合的程度，重疊越多，IoU分數越高。
總結：
IoU 是衡量預測區域與真實區域重疊程度的關鍵指標，反映模型定位準確度，分數越高表示模型表現越好。
