IoU(Intersection over Union)

IoU는 Object Detector의 정확도를 측정하는데 이용되는 평가 지표입니다.

 

• 보통 두 가지 물체의 위치(bounding box)가 얼마나 일치하는지를 수학적으로 나타낸 것입니다.
• 0 ~ 1 사이의 값을 가집니다.

 

IoU를 적용하기 위해서는 두 가지가 필요합니다.

 

1. ground-truth bounding boxes : testing set에서 object 위치를 labeling 한 것
2. predicted bounding boxes : model이 출력한 object 위치 예측값

초록색은 ground-truth, 빨간색은 predicted bounding box를 의미합니다.

 

 

이제 object detector가 얼마나 정확하게 객체 위치를 탐지했는지 알아보기 위해 IoU를 계산해보도록 하겠습니다.

 

• area of overlab: predicted bounding box와 ground-truth bounding box가 겹치는 부분입니다.
• area of union: predicted bounding box와 ground-truth bounding box를 둘러싸는 영역입니다.

 

왜 IoU를 사용할까요

---

머신 러닝으로 분류 문제를 수행할 때, predicted class가 맞는지 틀렸는지 쉽게 확인할 수 있습니다. (맞다, 틀리다로 구분 가능)

 

하지만 Object Detection 에서는 간단하지 않습니다.

 

predicted bounding box가 정확히 ground-truth bounding box와 일치하는 경우가 거의 없기 때문입니다.

따라서 이 두개의 box가 얼마나 일치하는지 측정하기 위한 평가 지표인 IoU를 정의하여 사용하는 것입니다.

IoU가 높다는 것은 model이 bounding box를 정확하게 예측했다는 의미입니다.

두 개의 box가 적어도 2/3은 겹쳐줘야 0.5의 값이 나오기 때문에 여러 곳에서 IoU의 threshold 값을 0.5로 잡아서 사용하는 듯합니다.

 

reference

• https://pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/