IoU

IoU (Intersection over Union) — метрика, показывающая, насколько точно предсказанная область совпадает с реальной областью объекта на изображении. Она равна отношению площади пересечения двух областей к площади их объединения. Значения лежат от 0 до 1: 1 — идеальное совпадение, 0 — отсутствие общего участка. Чем ближе к единице, тем лучше.

Эта метрика критически важна в компьютерном зрении и ИИ. В задачах обнаружения объектов, сегментации и слежения алгоритм выдаёт координаты рамки или маску пикселей, а IoU служит объективным критерием качества. По ней сравнивают модели и настраивают пороги срабатывания.

Как это работает интуитивно? Представьте два прямоугольника: один нарисовала нейросеть, другой — настоящий объект. При полном совпадении площадь пересечения равна объединению, и IoU = 1. Если рамка сместилась или захватила лишнее, пересечение уменьшается, а объединение увеличивается — метрика снижается. Так учитываются и пропуски, и ложные захваты. Если области не пересекаются, IoU равен нулю.

Пример: беспилотный автомобиль. Нейросеть обнаруживает пешехода и строит вокруг него рамку. Если IoU выше 0,5, объект считается найденным. При 0,9 система уверена. Но если рамка взяла только часть тела, IoU падает до 0,3, и авто может принять неверное решение. Поэтому модели обучают минимизировать эту ошибку.

В итоге IoU — простой универсальный инструмент для сравнения предсказаний с реальностью. Он лежит в основе метрик качества и оценки моделей, делает ИИ точнее и безопаснее.