İçeriğe geç
parazade
Yapay Zeka

IoU Ne Demek?

İngilizce: Intersection over Union

Yayın: · Son güncelleme:

IoU Ne Demek? Kısaca

IoU (Intersection over Union), nesne tespiti ve görüntü bölütlemede modelin tahmin ettiği alan ile gerçek alanın ne kadar örtüştüğünü, iki alanın kesişiminin birleşimine oranı olarak ölçen ve 0 ile 1 arasında değer alan bir ölçüttür.

IoU nedir?
İçindekiler
  1. IoU ne demek?
  2. Örnek hesaplama
  3. Nasıl kullanılır?
  4. Nelere dikkat etmeli?

IoU, Türkçede "kesişim bölü birleşim" olarak da anılır. Bir modelin çizdiği kutunun ya da maskenin, doğru cevaba ne kadar yakın olduğunu tek bir sayıyla özetler. Jaccard indeksi adıyla da bilinir.

IoU ne demek?

Formül şöyledir:

IoU = Kesişim alanı / Birleşim alanı

  • Kesişim: Tahmin edilen alan ile gerçek alanın ortak bölümü.
  • Birleşim: İki alanın toplamından kesişimin bir kez çıkarılmasıyla bulunan toplam alan.

IoU 1 ise tahmin gerçek alanla birebir aynıdır. 0 ise hiç örtüşme yoktur.

Örnek hesaplama

Varsayımsal olarak gerçek kutunun alanı 100 birim kare, modelin tahmin ettiği kutunun alanı da 100 birim kare olsun. İki kutunun ortak alanı 60 birim kare ise:

  • Birleşim = 100 + 100 − 60 = 140
  • IoU = 60 / 140 ≈ 0,43

Bu, kabaca orta düzeyde bir örtüşme demektir.

Nasıl kullanılır?

Nesne tespitinde bir tahminin "doğru" sayılması için genellikle bir IoU eşiği belirlenir. Sık kullanılan eşik 0,5'tir; yani tahmin, gerçek alanla en az bu oranda örtüşüyorsa doğru tespit kabul edilir. Daha katı değerlendirmelerde 0,75 gibi yüksek eşikler ya da farklı eşiklerin ortalaması kullanılır. Bu yaklaşım, mAP gibi ölçütlerin temelini oluşturur.

IoU ayrıca tespit sırasında birbirine çok benzeyen kutuları elemek için kullanılan "maksimum olmayanı bastırma" adımında da kullanılır.

Nelere dikkat etmeli?

Küçük nesnelerde birkaç piksellik kayma IoU'yu ciddi biçimde düşürebilir. Bu yüzden sonuçlar yorumlanırken nesne boyutları da göz önünde bulundurulmalıdır.

Sıkça Sorulan Sorular

IoU için iyi bir değer kaçtır?

Göreve bağlıdır. Nesne tespitinde 0,5 ve üzeri genellikle kabul edilebilir tespit sayılır; hassas uygulamalarda daha yüksek değerler beklenir.

IoU ile Dice katsayısı aynı mı?

Benzer amaçla kullanılırlar ama formülleri farklıdır. Dice katsayısı kesişimi daha fazla ağırlıklandırır ve aynı tahmin için genellikle IoU'dan daha yüksek çıkar.

İlgili terimler

Nesne Tespiti(Object Detection)Nesne tespiti (object detection), bir görüntü ya da videodaki nesnelerin ne olduğunu sınıflandıran ve her birinin konumunu bir sınırlayıcı kutu ile belirleyen bilgisayarlı görü görevidir.Görüntü Bölütleme(Image Segmentation)Görüntü bölütleme (image segmentation), bir görüntüdeki her pikselin hangi nesneye ya da sınıfa ait olduğunun belirlenerek görüntünün anlamlı bölgelere ayrılmasıdır; nesnelerin yalnız yerini değil, tam sınırlarını da ortaya çıkarır.mAP(Mean Average Precision)mAP (mean Average Precision, ortalama kesinlik ortalaması), her sınıf ya da sorgu için hesaplanan ortalama kesinlik (AP) değerlerinin ortalamasıdır. Özellikle nesne tespiti ve arama sistemlerinde modelin hem doğru bulma hem doğru sıralama başarısını tek sayıyla özetler.YOLOYOLO (You Only Look Once, yalnızca bir kez bak), bir görüntüdeki nesnelerin konumunu ve türünü tek bir sinir ağı geçişiyle tahmin eden nesne tespit yöntemidir. Hızlı olduğu için video gibi gerçek zamanlı uygulamalarda yaygın kullanılır.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.Dil Tespiti(Language Detection)Dil tespiti (language detection), bir metnin ya da ses kaydının hangi dilde olduğunu otomatik olarak belirleyen doğal dil işleme görevidir. Çeviri, arama motorları ve içerik moderasyonu gibi pek çok sistemin ilk adımıdır.