Tensorflow Object Detection API 中的 IOU 是不是错了？

Question

我只是稍微研究了一下 Tensorflow 对象检测 API 代码，尤其是 eval_util 部分，因为我想实现 COCO 指标。

但我注意到，这些指标仅使用在 [0, 1] 之间具有标准化坐标的边界框进行计算。 没有使用纵横比或绝对坐标。

那么，这是否意味着根据这些结果计算的并集交集不正确？ 我们以一个 200x100 的图像像素为例。 如果该框向左偏移 20 像素，则在标准化坐标中为 0.1。 但如果它偏离顶部 20 像素，则在标准化坐标中将是 0.2。

这不是说，跑到顶峰比跑到边路更难扣分吗？

Answer 1

我相信预测的坐标被调整为 eval 二进制文件中的绝对图像坐标。

但我要说的另一件事是 IOU 是尺度不变的，如果你按某个因子缩放两个框，它们仍然会有相同的 IOU 重叠。例如，如果我们在 x 方向上缩放 2，在 y 方向上缩放 3： 如果 A 是 (x1, y1, x2, y2) 而 B 是 (u1, v1, u2, v2)，那么 IOU((A, B)) = IOU((2*x1, 3*y1, 2*x2, 3*y2), (2*u1, 3*v1, 2*u2, 3*v2))

这意味着在归一化坐标中求值应该得到与在绝对坐标中求值相同的结果。