intersection-overunion(IoU)

definition

: 두 영역의 교차영역의 넓이를 합영역의 값으로 나눈 값

object detection에서 예측된 boundingbox의 정확도를 평가하는 지표 중 하나로 사용되며, predicted boundingbox와 실제 참값(ground truth) boundingbox의 IOU를 해당 boundingbbox의 ‘정확도’로 간주한다. object detection 모델의 정확도는 모델을 테스트용 데이터셋에서 실행해본 다음 정밀도-재현율 곡선(precision-recall curve)과 평균 정밀도(mean average precision)를 구해 수치화할 수 있는데, 이 과정에서 IOU 값이 사용된다. 

 

IoU = 교집합 영역 넓이 / 합집합 영역 넓이

 

두 box의 크기가 동일할 경우 두 box의 2/3 이상은 겹쳐줘야 0.5의 값이 나오기 때문에 여러 곳에서 IoU의 threshold 값으로 0.5를 잡아서 사용하는 듯 하다. 

 

모델의 성능을 높여보고자 IoU threshold 값을 올려서 모델링을 해도 되기는 하는데, 모델 성능이라는 게 feature extractor, classifier, regressor, IoU, NMS 등등의 것들과 복합적으로 얽혀있는터라 threshold 값을 올려준다해서 무조건 성능이 올라가는 현상을 기대할 수는 없다.

 

References

inspace4u.github.io/dllab/lecture/2017/09/28/IoU.html

ballentain.tistory.com/12