摘要
交并比（IoU）作为评估候选提案与真实标注空间对齐的重要指标，直接决定了正样本集的质量及视觉检测模型的训练效果。通过理论建模和分析，我们发现了IoU响应曲线上的一个非敏感区域，在此区域内，样本即使具有不同的几何重叠，依然会产生几乎相同的IoU分数。
为了解决这一局限性，我们引入了一套形态相似性度量，涵盖面积、形状和长宽比，以优化正样本分配过程，从而确保更具辨别力和可靠性的匹配。通过多维相似性均值聚合的方式，我们得出了一个补充匹配分数，弥补了IoU在表示结构对应关系上的固有局限性。
从理论上讲，融入形态相似性重塑了匹配函数的响应分布，产生有效的方向梯度和多边形状的等响应轮廓，紧密限制了每个真实实例周围的高响应区域，并显著提高了正样本选择的精度。基于YOLOv9框架的实验结果表明，在NEUDET和GC10-DET数据集上，性能均有持续提升。值得注意的是，所提方法完全可插拔，并且不会增加额外的推理开销，从而确保工业视觉检测的部署效率。
博主点评： 本文通过引入形态相似性度量，有效提升了表面缺陷检测的准确性，解决了IoU在几何重叠评价上的不足，具有较强的理论与实践意义，值得关注。尤其是在工业应用中的高效性，凸显了其实际价值。