[Computer Vision] IoU ; Intersection over Union

---

위의 그림에서 좌표(250, 250)의 Anchor boxes 중 (s=0.75, r=1)가 개를 잘 덮는다고 표현합니다.

그러면 컴퓨터는 잘 덮는다는 것을 어떻게 판단할까요??

 

바로, IoU를 통해 판별하게 됩니다.

 

IoU 공식

 

IoU란 합쳐진 곳 중 겹치는 곳을 의미하는 뜻이며,

2개의 bounding box의 유사성을 합친 전체 면적에서 겹치는 면적의 비율을 통해 측정합니다.

 

def box_iou(boxes1, boxes2):
    """Compute IOU between two sets of boxes of shape (N,4) and (M,4)."""
    # Compute box areas
    box_area = lambda boxes: ((boxes[:, 2] - boxes[:, 0]) *
                              (boxes[:, 3] - boxes[:, 1]))
    area1 = box_area(boxes1)
    area2 = box_area(boxes2)
    lt = torch.max(boxes1[:, None, :2], boxes2[:, :2])  # [N,M,2]
    rb = torch.min(boxes1[:, None, 2:], boxes2[:, 2:])  # [N,M,2]
    wh = (rb - lt).clamp(min=0)  # [N,M,2]
    inter = wh[:, :, 0] * wh[:, :, 1]  # [N,M]
    unioun = area1[:, None] + area2 - inter
    return inter / unioun

 

함수는 2개의 box의 IoU를 출력하는 함수입니다.

IoU의 범위는 [0, 1]이며, 1이면 2개의 bounding box가 일치한다는 의미이고

                                0이면 2개의 bounding box가 관련이 없다는 것입니다.

관습적으로 IoU가 0.5가 넘으면 맞다고 판단을 하게 됩니다.

---

ref. Dive into Deep Learning, Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola, 2020

---