Intersection Over Union, Non-max Suppression

Intersection Over Union

Evaluating object localization

• Intersection over Union(IOU)은 bounding box에 대한 예측이 정확했는지를 확인하는 지표입니다.
  • 예측과 실제 정답이 겹치는 노란 부분 / 예측과 실제 정답의 합
  • 위 분수식을 계산한 결과가 0.5 이상이면 'correct' 판정을 줄 수 있습니다.
  • 이 threshold가 높아지면 높아질수록 더 정확한 예측이 가능할 것입니다.

 

Non-max Suppression

Non-max suppression example

• IOU로 bounding box를 예측하다 보면 위처럼 여러 개가 중첩되어 있을 수 있습니다.
  이미지를 여러 개의 grid로 쪼개어 위치를 예측하기 때문이죠.
• 따라서 예측된 bounding box에 대한 '확률(Pc)'에 따라서 가장 높은 것 하나를 highlight합니다.
  중첩된 것들 중 가장 정확한 bounding box 하나만 두고 나머지는 버린다고 이해하면 되겠습니다.

Non-max suppression alogrithm

• 이미지를 19 x 19 사이즈로 쪼개는 경우를 예시로 들고 있습니다.
  이때 각 예측 결과는 [ 확률, x, y, h, w ] 로 표현됩니다.
• 처음 예측에서 확률이 0.6 이하인 것들은 모두 버립니다.
• 확률이 가장 높은 것을 기준으로 삼아 이것과 IoU(중첩 정도)가 0.5 이상인 것들만 남기고 나머지는 다 버립니다.
  • 이 과정을 계속 반복해서 bounding box를 정확하게 예측할 수 있게 됩니다.

 

출처: Coursera, Convolutional Neural Networks, DeepLearning.AI