IoU(Intersection over Union) 평가 지표에 대하여

✅ Intro

Region Proposal에서 적절한 Bounding Box를 채택하는 Non-maximum Suppression을 이해하기 위해서는 Object Detector의 평가지표인 IoU에 대한 개념의 이해가 필요합니다.

---

✅ IoU(Intersection over Union)

IoU란 Objector Detector가 잘 작동하는지 정확도를 나타내는 평가지표입니다.

IoU를 사용한 평가를 내리기 위해서는 두 가지의 정보가 필요합니다.

1. Ground-truth Bounding Box (Test set에서 Object의 위치를 Labeling 한 것)
2. Predicted Bounding Box (Model이 직접 측정한 Object의 위치)

Ground-truth Bounding Box와 Predicted Bounding Box가 측정한 위치에 해당하는 면적 값의 합집합과 교집합으로 정확도를 측정할 수 있습니다.

 

둘을 각 A, B라 한다면 아래와 같이 정리할 수 있습니다.

$$ IoU = \frac{A \cap B}{A \cup B} $$ 

Classifier에서는 어떤 Class가 맞는지 틀린지만 고려하면 되지만, 적절한 Bounding Box를 채택하는 경우를 고려했을 때는 여러 Bounding Box가 나올 것이고, 이 과정에서 IoU를 적용하여 적절한 방법을 통해 Bounding Box를 채택할 수 있습니다.

 

이 적절한 방법인 Non-maximum Suppression은 다음 포스팅에서 다루어보겠습니다.

---

✅ Reference

https://deep-learning-study.tistory.com/402

[Object Detection] IoU(Intersection over Union)를 이해하고 파이토치로 구현하기