[평가 지표] IoU (Intersection over Union)

IoU (Intersection over Union)

IoU는 모델이 예측한 영역과 실제 정답 영역이 얼마나 겹치는지를 나타내는 지표이다.

주로 Object Detection과 Semantic Segmentation에서 사용된다.

\[\text{IoU}=\frac{\text{Area of Overlap}}{\text{Area of Union}}\]

$0\sim1$ 사이의 값을 가지며, $1$이면 완벽히 일치한다는 의미이다.

[출처]

아래 그림에서 왼쪽은 객체 탐지에서의 IoU를, 오른쪽은 시멘틱 세그멘테이션에서의 IoU를 보여준다.

[출처]

IoU는 평가 지표로도 사용되지만, 해당 예측을 정답으로 볼 것인가, 오답으로 볼 것인가를 결정하는 임계값으로도 사용된다.

예를 들어 객체 탐지에서는, 모델이 특정 위치에 객체가 있다고 예측했더라도, IoU 값이 특정 임계값 $\tau$를 넘어야 정답으로 인정한다.

\[\begin{cases} \text{TP}&,~~\text{IoU}\geq\tau\\ \text{FP}&,~~\text{IoU}<\tau \end{cases}\]

mIoU (mean IoU)

mIoU는 모든 클래스의 IoU 값들을 더해 평균낸 값을 의미한다.

\[\text{mIoU}=\frac{1}{C}\sum_{i=1}^C\text{IoU}_i\]

여기서 $C$는 클래스 개수를 의미한다.