YOLO中IoU=0.7是什么意思？如何影响目标检测性能？

Question

在YOLO目标检测中，IoU（Intersection over Union，交并比）是衡量预测边界框与真实边界框重合程度的重要指标。当IoU=0.7时，表示预测框与真实框的重叠区域占两者并集的比例达到70%。这通常被用作评估模型性能的阈值，例如在非极大值抑制（NMS）或精度计算中。 IoU=0.7对目标检测性能有何影响？首先，较高的IoU阈值（如0.7）意味着模型需要更精确地定位目标，否则预测将被视为错误。这可能会降低召回率，但提高检测框的质量。其次，在训练阶段，若正样本的IoU阈值设为0.7，模型会更关注高精度匹配，可能导致难以学习小目标或模糊目标的特征。因此，选择合适的IoU阈值需根据具体任务权衡精度与召回率。实际应用中，常用0.5作为默认值，而0.7适用于对定位精度要求更高的场景。