首頁 / 名詞卡 / 深度學習/NLP/CV架構 / IOU(Intersection over Union)

iPAS AI中級🧬 深度學習/NLP/CV架構
🔑 名詞卡

IOU(Intersection over Union)

🎯 定義

衡量預測分割/偵測區域與真實標籤區域之間重疊程度的指標,常用於物件偵測與影像分割任務評估。

公式

\[IOU = \frac{\text{Area}_{\text{Intersection}}}{\text{Area}_{\text{Union}}}\]

其中聯集(Union)=真實框面積+預測框面積-重疊區域。

判讀

數值範圍 0~1,越接近 1 表示預測越準確;物體檢測中常以 IOU > 0.5 或 0.7 視為成功預測。

記憶技巧

IOU=「交集 ÷ 聯集」——分母務必是聯集,不是單一框面積,這是計算題最常見的失分點。

易混淆

  • 分母陷阱:容易誤用「真實框面積」或「預測框面積」單獨當分母,正確應為聯集(真實框+預測框−重疊區域)。
📖 課文原文

「IOU 是衡量預測分割區域與真實標籤區域之間重疊程度的指標⋯⋯從 0 到 1,越接近 1 表示預測的分割結果越準確。」