2022年3月31日 · 本文详细介绍了YOLO目标检测算法中的关键参数，包括置信度阈值(conf_thres)、交并比阈值(iou_thres)及其对检测效果的影响，并解析了精确率(Precision)、召回率(Recall)、F1值(F-Measure)的概念，同时阐述了平均精度(AP)和平均精度均值(mAP)的计算方法。

CIOU 损失函数是 YOLOv4 在原有 IOU（Intersection over Union）损失函数基础上的改进版本。它考虑了目标框之间的完整交叉，并引入了修正因子，以更精准地度量目标框之间的相似性。

交集大于联合（IoU）衡量预测边界框与地面实况边界框之间的重叠程度。IoU 值从 0 到 1 不等，值越高表示定位精度越高。IoU 值为 1.0 表示完全对齐。通常情况下，IoU 的阈值为 0.50，用于定义 mAP 等指标中的真阳性。

在本文中，我们通过结合预测框和目标框之间的归一化距离来提出距离-IoU (DIoU) Loss，它在训练中的收敛速度比 IoU 和 GIoU Loss快得多。 此外，本文总结了边界框回归中的三个几何因素，即. 重叠面积（overlap area）、中心点距离（central point distance）和高宽比（aspect ratio），在此基础上提出了完全 IoU (CIoU) 损失，从而促进了更快的收敛和更优的性能。 通过将 DIoU 和 CIoU 损失 结合到最先进的目标检测算法中，例如 YOLO v3、SSD 和 Faster RCNN，我们不仅 …

2025年1月30日 · bbox_iou函数位于 /ultralytics-main/ultralytics/utils/metrics.py， 这个函数的目的是 计算两个边界框 (box)之间的IoU（Intersection over Union）或其变体（GIoU、DIoU、CIoU）。 box1 表示 单个 边界框， box2 表示 多个 边界框。 xywh=True 表示边界框的输入格式是 (x, y, w, h)，即中点坐标和宽高，否则将视作 (x1, y1, x2, y2) 格式。 GIoU 、 DIoU 、 CIoU 分别对应 不同的IoU改进算法。 eps 是一个很小的数，用来避免除以零等数值问题。

2024年2月4日 · 通过将PIoU v2整合到流行的目标检测器 (如YOLOv8和DINO)中，我们在MS COCO和PASCAL VOC数据集上实现了平均精度 (AP)的提高和性能的改进，从而验证了我们提出的改进策略的有效性。 图1所示。 基于不同iou的损失函数指导下的锚框回归过程。 彩色框是在回归过程中由不同损失函数引导的锚框。 很明显，以PIoU损失为导向的锚盒是最快回归到接近目标盒的。 此外，除PIoU损失外，所有损失函数引导的锚盒都存在面积扩大问题，而PIoU损失引 …

2024年3月25日 · 通过将PIoU v2整合到流行的目标检测器 (如YOLOv8和 DINO)中，我们在MS COCO和PASCAL VOC数据集上实现了平均精度 (AP)的提高和性能的改进，从而验证了我们提出的改进策略的有效性。 图1所示。

2021年11月28日 · 想让YOLO只标记可能性高的地方，就把这个参数提高。 iou_thres. Intersect over Union Threshold，交并比阈值。 IOU值：预测框大小∩真实框大小 / 预测框大小∪真实框大小。 （预测框与真实框的交集与并集的取值。 越大，则容易将对于同一个物品的不同预测结果 当成 对多个物品的多个预测结果，导致一个物品出现了多个预测结果。 越小，则容易将对于多个物品的不同预测结果 当成 对同一个物品的不同预测结果，导致多个物品只出现了一个预测结果。 …

2023年11月21日 · IOU（Intersection over Union）是一种广泛应用于目标检测、图像分割等计算机视觉任务中的指标，用于评估两个边界框（或两个区域）之间的相似度。IOU衡量的是两个区域重叠的程度，其数值范围在0到1之间。

2025年3月17日 · Intersection over Union (IoU) measures the overlap between the predicted and ground truth bounding boxes. IoU values range from 0 to 1, where higher values indicate better localization accuracy. An IoU of 1.0 means perfect alignment. Typically, an IoU threshold of 0.50 is used to define true positives in metrics like mAP.