IoU (Intersection over Union)
Eine Metrik, die die Überlappung zwischen einer vorhergesagten und einer Ground-Truth-Region misst, berechnet als Schnittmenge geteilt durch Vereinigung.
IoU misst die Überlappung von Vorhersage und Ground Truth (Schnittmenge/Vereinigung) – die universelle Metrik für Object Detection und Segmentierung.
Erklärung
IoU wird universell in Object Detection und Segmentierung verwendet. Ein IoU ≥ 0.5 gilt typischerweise als "korrekte Erkennung" (AP@50).
Relevanz für Marketing
IoU ist die Standard-Evaluationsmetrik für alle Object Detection und Segmentierungsmodelle – von YOLO bis SAM.
Beispiel
Ein Object-Detection-Modell erreicht mAP@50 = 0.85, was bedeutet, dass 85% der Vorhersagen IoU ≥ 0.5 mit der Ground Truth haben.
Häufige Fallstricke
IoU-Schwellenwert beeinflusst Ergebnisse stark. Für kleine Objekte sind hohe IoU-Werte schwerer zu erreichen.
Entstehung & Geschichte
IoU basiert auf dem Jaccard-Index (Paul Jaccard, 1901). In Computer Vision wurde es ab den 2000ern zur Standard-Metrik für PASCAL VOC und später ImageNet/COCO Detection Benchmarks.
Abgrenzung & Vergleiche
IoU (Intersection over Union) vs. Dice Coefficient
Dice = 2×Schnittmenge/(A+B); IoU = Schnittmenge/Vereinigung. Dice gewichtet Überlappung stärker und ist in medizinischer Segmentierung üblicher.
IoU (Intersection over Union) vs. mAP (Mean Average Precision)
IoU ist eine Überlappungsmetrik für einzelne Vorhersagen. mAP aggregiert Precision über alle Vorhersagen bei verschiedenen IoU-Schwellenwerten.