IoU (intersección sobre la unión)
La Intersección sobre Unión (IoU) es una métrica empleada en visión por computadora para medir la precisión de la detección o segmentación de objetos. Se define como el cociente entre el área de solapamiento y el área total combinada de la predicción y la verdad de terreno (ground truth).
Contexto
Es la métrica estándar en competiciones y conjuntos de referencia como PASCAL VOC o COCO. Normalmente se considera correcta una predicción cuando el IoU ≥ 0.5, aunque en contextos críticos (p. ej., medicina) se requieren umbrales más altos.
Ejemplos prácticos
- Conducción autónoma: validar detección de peatones y señales de tráfico.
- Imágenes médicas: segmentación precisa de órganos o tumores.
- Inspección industrial: control automatizado de defectos.
Ventajas y limitaciones
- ✅ Intuitiva, ampliamente aceptada y reproducible.
- ✅ Facilita la comparación entre modelos.
- ❌ Umbrales fijos pueden ser demasiado rígidos.
- ❌ Puede fallar al evaluar objetos pequeños o múltiples instancias solapadas.
El IoU es una métrica tan extendida porque resulta clara y universal: indica en qué medida la predicción y la verdad de referencia se superponen. Por eso se ha convertido en la base de competiciones como COCO o PASCAL VOC y en un estándar de facto para evaluar detectores de objetos.
En la práctica, también se utiliza para controlar la calidad de modelos en producción. En sistemas de vigilancia, por ejemplo, el IoU se analiza para comprobar si las cámaras mantienen la precisión de detección en diferentes escenarios de iluminación o ángulos de visión.
No obstante, el IoU puede ser engañoso: una caja ligeramente desalineada puede bajar la puntuación drásticamente, incluso cuando el resultado es aceptable desde el punto de vista funcional. Para resolver estas limitaciones, se han propuesto métricas más avanzadas como el GIoU, DIoU y CIoU, que añaden información sobre la distancia, la forma y la proporción de las cajas, ofreciendo evaluaciones más robustas en contextos reales.
📚 Referencias
- Lin, T.-Y. et al. (2014). Microsoft COCO: Common Objects in Context.
- IoU en la IA: precisión en visión artificial, Innovatiana
