Computer Vision - Object Detection(6)

저번에 NMS는 언급하고 IOU는 언급하지 않아서 이번에는 IOU를 써보려 합니다.

모델을 학습할 때 주어지는 이미지에는 객체와 그 객체를 정확하게 감싼 경계 박스가 감싸져 있습니다. 그 경계 박쓰는 당연히 객관성 점수가 100점이구요.

모델이 학습함에 따라 점차 정답인 경계 박스에 근접해지는데, 이때 예측 면적과 정답 면적을 합친 면적에 대한 겹치는 면적의 비율이 IOU입니다.

IOU의 범위는 0~1이고, 잘 예측할 수록 1에 가까워집니다.

IOU 임계값을 사용해 우리가 예측한 경계 상자가 True Positive(TP), False Positive(FP) 또는 False Negative(FN)인지 여부를 결정할 수 있습니다. 그리고 이를 사용해 위의 식을 다시 쓸 수 있습니다.