2025年2月20日 · 在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。

IOU 即交并比 即 Intersection-over-Union，是目标检测中使用的一个概念，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表示了产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率或者说重叠度，也就是它们的交集与并集的比值。

2024年1月4日 · Intersection over Union (IoU) is a key metric used in computer vision to assess the performance and accuracy of object detection algorithms. It quantifies the degree of overlap between two bounding boxes: one representing the “ground truth” (actual location of an object) and the other representing the model’s “prediction” for the same object.

2016年11月7日 · Intersection over Union (IoU) is used to evaluate the performance of object detection by comparing the ground truth bounding box to the preddicted bounding box and IoU is the topic of this tutorial. A solid understanding of IoU requires practical applications.

2024年3月25日 · 本文独家改进： Powerful-IoU 更好、更快的收敛IoU，是一种结合了目标尺寸自适应惩罚因子和基于锚框质量的梯度调节函数的损失函数. MS COCO 和 PASCAL VOC 数据集实现涨点. YOLOv9魔术师专栏

Intersection over Union (IoU) is a widely-used evaluation metric in object detection and image segmentation tasks. IoU measures the overlap between predicted bounding boxes and ground truth boxes, with scores ranging from 0 to 1. The IoU metric is essential for comparing and evaluating the performance of detection models.

2024年11月24日 · 本篇文章将重点探讨YOLOv8的一个重要改进策略——将原来的Intersection over Union (IoU)度量标准CIoU替换为Wise-IoU，并讨论这种改进如何提高模型性能，同时支持其他IoU变体如EIoU、GIoU、DIoU和SIoU的无缝切换。

2021年11月4日 · 本篇文章将重点探讨YOLOv8的一个重要改进策略——将原来的Intersection over Union (IoU)度量标准CIoU替换为Wise-IoU，并讨论这种改进如何提高模型性能，同时支持其他IoU变体如EIoU、GIoU、DIoU和SIoU的无缝切换。

并交交集（英文：Intersection over Union，缩写 IOU）是一种性能指标，用于评估注释、分割和对象检测算法的准确性。 它量化数据集中的预测边界框或分段区域与地面实况边界框或注释区域之间的重叠。

2024年3月5日 · IoU，即Intersection over Union，是衡量两个框重合程度的重要指标。在计算机视觉和AI算法中，IoU被广泛应用于真实框与模型预测框的重合度判断、候选区域的去重、NMS的去重、评估mAP以及计算IoU Loss等方面。