📝이 포스트는 Intersection over Union에 대해 알아보겠습니다.

정의

IoU는 객체 탐지의 정확도를 측정하는데 이용되는 평가 지표입니다.
IoU는 예측한 영역과 실제 영역 간의 겹치는 영역의 비율을 계산합니다.
예측한 영역은 test 시 모델이 예측한 영역을 뜻합니다.
실제 영역은 target data로 실제 정답의 영역을 뜻합니다.
실제 영역과 모델이 예측한 영역의 오차를 구하여 비율로 나타내는 것을 Intersection over Union이라고 합니다.

원리

$IoU = \frac{A \cap B}{A \cup B}$ 을 수식으로 표현할 수 있습니다.

이미지로 보면 아래와 같습니다.

빨간 bounding box가 실제 영역(target)이고 하늘색 bounding box가 모델이 예측한 영역입니다.
이로써 두 bounding box가 최대한 겹칠수록 합집합 영역은 줄어들고$\downarrow$ 교집합 영역이 증가$\uparrow$하여
값이 1에 가까울수록 성능이 좋은 모델이라고 할 수 있습니다.

위의 그림과 같이 두 교집합 영역과 합집합 영역이 최대한 겹쳐야 IoU 성능이 좋다고 할 수 있습니다.

코드 이해

import numpy as np

def Intersection_over_Union(box1, box2):
	
    # 교집합 영역 점 탐색
    x1 = np.maximum(box1[0], box2[0])
    y1 = np.maximum(box1[1], box2[1])
    x2 = np.minimum(box1[2], box2[2])
    y2 = np.minimum(box1[3], box2[3])
	
    # 교집합 영역
    intersection_area = np.maximum(0, x2 - x1 + 1) * np.maximum(0, y2 - y1 + 1)

    box1_area = (box1[2] - box1[0] + 1) * (box1[3] - box1[1] + 1)
    box2_area = (box2[2] - box2[0] + 1) * (box2[3] - box2[1] + 1)
	
    # 합집합 영역
    union_area = box1_area + box2_area - intersection_area

    IoU = intersection_area / union_area

    return IoU