2つのバウンディングボックス(矩形)の左上と右下の座標 (x1, y1, x2, y2) を入力すると、IoU(Intersection over Union)を計算します。重なり面積・和集合の面積・それぞれの面積も表示するので、物体検出モデルの予測が正解の枠とどれだけ重なっているかを確認できます。
IoU(Intersection over Union)計算ツール|バウンディングボックス
2つのバウンディングボックスの左上・右下の座標から、IoU(重なり面積÷和集合面積)を計算します。物体検出の評価に使えます。
使い方
- ボックスA(例:正解の枠)の左上 (x1, y1) と右下 (x2, y2) の座標を入力します。
- ボックスB(例:予測の枠)の座標を同じように入力します。x2 > x1、y2 > y1 になるようにしてください。
- 入力すると、IoU・重なり面積・和集合の面積・各ボックスの面積が表示されます。
計算式
重なりの幅 = max(0, min(Ax2, Bx2) − max(Ax1, Bx1))
重なりの高さ = max(0, min(Ay2, By2) − max(Ay1, By1))
重なり面積 I = 幅 × 高さ
和集合 U = Aの面積 + Bの面積 − I
IoU = I ÷ U
IoUは「2つの領域が重なっている部分」を「どちらかに含まれる部分全体」で割った値で、0〜1の範囲になります。座標は画像の左上を原点とし、右・下に向かって大きくなる一般的な表し方を想定しています。
計算例
初期値のボックスA (0, 0, 4, 4) とボックスB (2, 2, 6, 6) で計算します。
- 重なりの幅 = min(4, 6) − max(0, 2) = 2、高さも同様に 2
- 重なり面積 = 2 × 2 = 4
- 和集合 = 16 + 16 − 4 = 28
- IoU = 4 ÷ 28 ≒ 0.1429
見た目では4分の1ずつ重なっていますが、IoUは約0.14と小さな値になります。
結果の見方
- IoUが1なら完全に一致、0なら重なりがありません。
- 物体検出の評価では、IoUが0.5以上の予測を「正しく検出できた」とみなす基準がよく使われます。より厳しい評価では0.75や、0.5〜0.95の複数のしきい値の平均を使うこともあります。
- 枠が少しずれただけでも、IoUは直感より速く下がります。小さな物体ほど、数ピクセルのずれで大きく下がります。
IoUが使われる場面
IoUは、物体検出モデルの評価で予測の枠が正解かどうかを判定する基準として使われるほか、重なった予測の枠を1つにまとめる処理(NMS:非最大値抑制)でも使われます。
NMSでは、同じ物体に対して重なって出力された複数の枠のうち、信頼度の高い枠とのIoUがしきい値を超える枠を取り除きます。このしきい値を低くしすぎると、近くにある別の物体の枠まで消えてしまうことがあります。また、物体検出の代表的な評価指標であるmAPも、IoUのしきい値をもとに予測の正誤を判定してから計算されます。IoUは物体検出のさまざまな場面の基礎になっている指標です。
注意点
- このツールは座標を連続値として扱います。ピクセルの端を含めて幅に +1 する方式とは、小さな枠で結果が少し変わります。
- (中心x, 中心y, 幅, 高さ) 形式の座標は、x1 = 中心x − 幅/2 のように変換してから入力してください。
- 回転した矩形やマスク(セグメンテーション)のIoUは、このツールでは計算できません。マスクの場合はDice係数ツールのようにピクセル数から計算します。
IoU(バウンディングボックス)のよくある質問
Q. IoUはいくつ以上なら正解とみなしますか?
A. 物体検出では0.5以上を正解とする基準がよく使われます。評価方法によっては0.75や、複数のしきい値の平均を使います。
Q. IoUとJaccard係数は同じですか?
A. 同じ考え方です。集合の共通部分を和集合で割ったものをJaccard係数と呼び、画像の領域に使うときにIoUと呼ぶことが多いです。
Q. 中心座標と幅・高さの形式でも計算できますか?
A. x1 = 中心x − 幅/2、x2 = 中心x + 幅/2 のように左上・右下の座標に変換すれば計算できます。
