---
title: "交並比（Intersection over Union）"
slug: intersection-over-union
language: zh-TW
source: https://aiterms.tw/terms/intersection-over-union
updated_at: 2026-04-29
tags: [電腦視覺, 模型評估]
ipas_term: false
---

# 交並比（Intersection over Union）

> **你在看物件偵測結果時，怎麼知道框的位置和大小算不算準？**
>
> 你可以把它想成兩個框重疊的程度，重疊越多，分數就越高。
>
> 交並比是物件偵測中，用來評估預測框與真實框定位準確度的指標，計算兩者重疊面積與聯集面積的比率
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆
> **像素準確度**
> 像素準確度看每個像素對不對，IoU 看的是框和框重疊得好不好。
>
> **Dice coefficient**
> IoU 和 Dice 都看重疊，但 Dice 對小目標會更寬鬆一些。

### 記住這句就好
> 框重疊多少，IoU 就看多少。

### 實際案例
> **車牌框選**
> 偵測系統把車牌框得太鬆或太偏，IoU 就會下降，後續辨識也會受影響。
>
> **醫學影像分割**
> 腫瘤區域分割如果和專家標註重疊度高，IoU 也會高，代表定位比較準。

### 算法與應用
> IoU = 交集面積 / 聯集面積，範圍從 0 到 1。實務上常拿來當評估指標，也會和 NMS、門檻判斷一起出現。只要你在做框、掩膜或區域定位，IoU 幾乎一定會碰到。

### 情境判斷
> **Q1（直覺題）：** 如果你現在遇到一個 車牌框選 的場景，這個概念會是第一個想到的工具嗎？
> → 看情況，但如果任務目標和這個概念的用途一致，就很可能是。核心還是先確認你要解決的是分類、分群、壓縮、檢索，還是最佳化。
>
> **Q2（判斷題）：** 如果你把它和 Dice coefficient 一起用，結果反而變不穩，通常該怎麼想？
> → 看情況。先檢查資料分布、特徵定義和模型假設是否相容，很多時候不是概念本身有問題，而是使用條件不對，像距離尺度沒對齊、標註規則不一致，或輸入格式不合。

### 常見問題
> **Q：交並比 最容易跟 像素準確度 混淆嗎？**
> 像素準確度看每個像素對不對，IoU 看的是框和框重疊得好不好。
>
> **Q：什麼情況會用到 交並比？**
> 你可以把它想成兩個框重疊的程度，重疊越多，分數就越高。 實務上只要你要處理和這個概念相符的任務，就會用到它。
>
> **Q：初學者最常錯在哪裡？**
> IoU 和 Dice 都看重疊，但 Dice 對小目標會更寬鬆一些。

### 相關術語
> - **邊界框偵測**：讀完這個後，接著看它，可以把 交並比 放回更完整的系統脈絡裡。
> - **電腦視覺**：讀完這個後，接著看它，可以把 交並比 放回更完整的系統脈絡裡。
> - **物件偵測**：讀完這個後，接著看它，可以把 交並比 放回更完整的系統脈絡裡。
> - **骰子損失函數**：讀完這個後，接著看它，可以把 交並比 放回更完整的系統脈絡裡。

---

來源：https://aiterms.tw/terms/intersection-over-union
快查頁：https://aiterms.tw/terms/intersection-over-union
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-intersection-over-union