Glosario de aviación

¿Qué es la intersección sobre unión (IoU)?

Computer Vision · Machine Learning 8 idiomas
Definición
La intersección sobre unión (IoU) es una puntuación que mide el solapamiento de dos regiones como el área compartida dividida por el área combinada.

La intersección sobre unión (IoU) es una puntuación que mide el solapamiento de dos regiones como el área compartida dividida por el área combinada. Las dos regiones suelen ser una máscara o un cuadro predicho y una máscara o un cuadro de verdad de referencia (ground truth).

Cálculo

IoU = |A ∩ B| / |A ∪ B|

A es la región predicha y B es la región de verdad de referencia. La intersección es el área que está en ambas. La unión es el área que está en al menos una de ellas. El valor es 0 cuando las regiones no se solapan y 1 cuando son iguales. La misma puntuación es el índice de Jaccard.

Para una máscara de píxeles, la IoU también puede escribirse como TP / (TP + FP + FN). TP es el número de píxeles presentes en ambas máscaras. FP es el número de píxeles solo en la predicción. FN es el número de píxeles solo en la verdad de referencia.

Dos formas superpuestas, con la intersección resaltada y la unión delineada

Uso en benchmarks

La tarea de detección PASCAL VOC considera correcto un cuadro predicho cuando su IoU con el cuadro de verdad de referencia es superior a 0,5. Los autores de VOC fijaron este umbral bajo a propósito, porque los cuadros de referencia no son exactos. Desde VOC2008, la tarea de segmentación de VOC también puntúa cada clase con TP / (TP + FP + FN).

La evaluación de COCO informa la precisión promedio con IoU 0,50, con IoU 0,75 y promediada sobre diez umbrales, de 0,50 a 0,95.

IoU media

La IoU media (mIoU) es la IoU de cada clase, promediada sobre todas las clases.

IoU y el coeficiente de Dice

El coeficiente de Dice (Sørensen-Dice) mide el mismo solapamiento en otra escala. Con Dice escrito como S e IoU como J:

  • S = 2J / (1 + J)
  • J = S / (2 - S)

Para el mismo par de máscaras, Dice es igual o mayor que IoU. Una segmentación con TP = 80, FP = 20 y FN = 20 tiene una IoU de 0,67 y un Dice de 0,80. Compare las puntuaciones solo cuando usen la misma métrica.

Uso en la segmentación de grietas en pavimento

Los modelos publicados de segmentación de grietas en pavimento, por ejemplo Context-CrackNet, informan la mIoU junto con la puntuación de Dice. Un valor de IoU compara una máscara del modelo con una máscara de referencia. No indica el ancho, la longitud ni la gravedad de una grieta.

Preguntas Frecuentes

¿Cómo se calcula la IoU?
La IoU es el área de la intersección de dos regiones dividida por el área de su unión. Para máscaras de píxeles equivale a TP / (TP + FP + FN). TP son los píxeles presentes en ambas máscaras. FP son los píxeles solo en la predicción. FN son los píxeles solo en la verdad de referencia (ground truth). El resultado está entre 0 y 1.
¿Cuál es la diferencia entre la IoU y el coeficiente de Dice?
Ambas miden el solapamiento y una se puede convertir en la otra. Dice = 2 x IoU / (1 + IoU), e IoU = Dice / (2 - Dice). Por tanto, Dice es igual o mayor que IoU para el mismo par de máscaras. Una IoU de 0,5 equivale a un Dice de unos 0,67.
¿Qué umbral de IoU cuenta como una detección correcta?
Depende del benchmark. La tarea de detección PASCAL VOC exige un ratio de solapamiento superior a 0,5. La evaluación de COCO informa la precisión promedio con IoU 0,50, con IoU 0,75 y promediada sobre diez umbrales, de 0,50 a 0,95 en pasos de 0,05.

Esta es una entrada de referencia. TarmacView proporciona servicios de inspección con drones y no vende los equipos ni materiales descritos en este glosario.

Comience ¿Necesita verificar la iluminación de su aeródromo? TarmacView inspecciona PAPI, iluminación de pista y aproximación mediante drones, entre movimientos de aeronaves, y entrega un informe de cumplimiento diseñado para su regulador. La inspección de pavimento y obstáculos está en desarrollo.
Seguir leyendo

Más información

03 PÁGINAS
Segmentación de instancias
glossary

Segmentación de instancias

La segmentación de instancias asigna a cada objeto de una imagen su propia etiqueta de clase y su máscara de píxeles. En qué se diferencia de la detección de objetos y de la segmentación semántica.

Precisión, Exhaustividad y Puntuación F1 en la Detección de Defectos
glossary

Precisión, Exhaustividad y Puntuación F1 en la Detección de Defectos

La precisión, la exhaustividad y la puntuación F1 son métricas de clasificación utilizadas para evaluar el rendimiento de modelos de IA y aprendizaje automático en la detección de defectos en pavimentos e infraestructuras. La precisión mide la fracción de defectos detectados que son correctos, la exhaustividad mide la fracción de defectos reales que se encuentran, y la F1 es su media armónica.

Segmentación semántica
glossary

Segmentación semántica

La segmentación semántica es una tarea de visión artificial que asigna una clase a cada píxel de una imagen. En qué se diferencia de la segmentación de instancias y de la panóptica, y cómo se evalúa.