Boundary IoU:Improving Object( 二 )


(图中上半部分为在面积>96^2的对象使用伪预测,在所有考虑的错误类型中 IoU与Mask IoU的对比表现,图中下半部分在面积16^2的对象使用伪预测)
六、应用
1. COCO实例分割数据集上对比Mask AP和 AP 。
2. 在R-CNN得到真实预测上进行评价:分别对比Mask AP和 AP;更换网络,对比Mask AP和 AP;使用和R-CNN分别输出预测,对比不同测量方法的AP与 AP 。
七、结论
本文提出了一种全新的IOU测量方法 IoU,通过敏感度分析证明了现有的常用IOU计算方法的缺陷所在,并通过实验证明 IoU在不同的误差类型下,能克服前者出现的各种不足之处 。