IoU（Intersection over Union） あいおーゆー・いんたーせくしょんおーばーゆにおん
IoU物体検出バウンディングボックス重なり指標セグメンテーション評価
IoUについて教えて
簡単に言うとこんな感じ！
物体検出AIが「これが犬の位置」と描いた四角と、正解の四角がどれだけ重なっているかを0〜1で表す指標だよ。完全に一致したら1.0、全く重ならなければ0。物体検出・セグメンテーションの評価に欠かせない基本指標なんだ！
IoUとは
IoU（Intersection over Union：交差/和集合比）は、2つの領域（バウンディングボックスやセグメント）の重なり度合いを測る指標です。
IoU = |A ∩ B| / |A ∪ B|
= 重なり面積 / (AとBの合計面積 - 重なり面積)
値域：0.0（完全に重ならない）〜 1.0（完全一致）視覚的な理解
IoU = 0.0（無重複） IoU ≈ 0.5（半分重複） IoU = 1.0（完全一致）
┌───┐ ┌───┐ ┌───┐ ┌───┐
│ A │ │ B │ │A┌─│──┐ │A=B│
└───┘ └───┘ └─│──┘B│ └───┘
└───┘IoUの用途
| 用途 | 内容 |
|---|---|
| 物体検出の評価 | 予測ボックスと正解ボックスの一致度 |
| mAPの計算 | IoUが閾値以上なら「正解」と判定 |
| Non-Maximum Suppression | 重複した検出ボックスを削除するため |
| セマンティックセグメンテーション | ピクセル単位のIoU（Jaccard係数） |
代表的な閾値
IoU ≥ 0.5 ：緩やかな基準（PASCAL VOC旧基準）
IoU ≥ 0.75 ：厳密な基準
IoU ≥ 0.5〜0.95：COCO評価で使用される範囲歴史と背景
- PASCAL VOC challenge（2005年〜） で物体検出評価に採用
- Jaccard係数（1912年）と同一の式。集合論由来の指標
- 現在：YOLO等の論文で mAP@0.5, @0.75 として標準報告
関連用語
- mAP — IoUを使って計算される物体検出の総合指標
- 物体検出 — IoUを使って評価するタスク
- YOLO — IoU/mAPで評価される代表モデル
- セマンティックセグメンテーション — ピクセル単位のIoUが使われるタスク
- バウンディングボックス — IoUで評価する領域の形式