IOU(Intersection over Union)

1. 特性(优点)

IoU就是我们所说的交并比,是目标检测中最常用的指标,在anchor-based的方法中,他的作用不仅用来确定正样本和负样本,还可以用来评价输出框(predict box)和ground-truth的距离。

  1. 可以说它可以反映预测检测框与真实检测框的检测效果。
  2. 还有一个很好的特性就是尺度不变性,也就是对尺度不敏感(scale invariant), 在regression任务中,判断predict box和gt的距离最直接的指标就是IoU。(满足非负性;同一性;对称性;三角不等性)

2. 作为损失函数会出现的问题(缺点)

  1. 如果两个框没有相交,根据定义,IoU=0,不能反映两者的距离大小(重合度)。同时因为loss=0,没有梯度回传,无法进行学习训练。
  2. IoU无法精确的反映两者的重合度大小。如下图所示,三种情况IoU都相等,但看得出来他们的重合度是不一样的,左边的图回归的效果最好,右边的最差。

二、GIOU(Generalized Intersection over Union)

上面公式的意思是:先计算两个框的最小闭包区域面积  (通俗理解:同时包含了预测框和真实框的最小框的面积),再计算出IoU,再计算闭包区域中不属于两个框的区域占闭包区域的比重,最后用IoU减去这个比重得到GIoU。

三、DIoU(Distance-IoU)[2]

1、来源

DIoU要比GIou更加符合目标框回归的机制,将目标与anchor之间的距离,重叠率以及尺度都考虑进去,使得目标框回归变得更加稳定,不会像IoU和GIoU一样出现训练过程中发散等问题

IoU、GIoU、DIoU相关推荐

  1. IoU、GIoU、DIoU、CIoU损失函数

    IoU.GIoU.DIoU.CIoU损失函数 目标检测任务的损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成.目标检测任务中近几年 ...

  2. 目标检测回归损失函数——IOU、GIOU、DIOU、CIOU、EIOU

    一.IOU Loss 上一篇文章提到L1,L2及其变种只将Bounding box的四个角点分别求loss然后相加,没有引入box四个顶点之间的相关性并且模型在训练过程中更偏向于尺寸更大的物体.在此基 ...

  3. YOLO中对IOU、GIOU、DIOU、CIOU的理解

    根据YOLO版本或者论文顺序可以看出来,对于图像损失的计算先后出现了IOU.GIOU.DIOU.CIOU这几个版本 其中IOU表示的是两个框的交集比上两个框的并集如图: IOU=A⋂BA⋃BIOU = ...

  4. ①YOLO v1~v3、②YOLO v3 SPP、③IoU、GIoU、DIoU、CIoU、④Focal Loss的理论讲解

    0. 引言 0.1 安排 YOLO v1 (简单理论) YOLO v2 (简单理论) YOLO v3 (详细理论) YOLO v3 SPP (trick扩充 + 代码讲解) IoU.GIoU.DIoU ...

  5. IoU、GIoU、DIoU、CIoU

    IoU就是我们所说的交并比 作为损失函数会出现的问题(缺点) 如果两个框没有相交,根据定义,IoU=0,不能反映两者的距离大小(重合度).同时因为loss=0,没有梯度回传,无法进行学习训练. IoU ...

  6. IoU、GIoU、DIoU、CIoU损失函数的那点事儿

    公众号关注 "视学算法" 设为 "星标",DLCV消息即可送达! 来自 | 知乎            作者 | Error https://zhuanlan. ...

  7. 【目标检测】IoU、GIoU、DIoU、CIoU Loss详解及代码实现

    实际目标检测回归任务中的Loss ● Smooth L1 Loss: ● L1.L2.Smooth L1作为目标检测回归Loss的缺点: 1)坐标分别计算:x.y.w.h分别回归,当成4个不同的对象处 ...

  8. 【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标

    目录 一.简介 二.IoU(Intersection over Union) 三.GIoU(Generalized IoU) 四.DIoU(Distance-IoU) 五.CIoU(Complete- ...

  9. 【目标检测算法】IOU、GIOU、DIOU、CIOU与YOLOv5损失函数

    1 常见IOU汇总 classification loss 分类损失 localization loss, 定位损失(预测边界框与GT之间的误差) confidence loss 置信度损失(框的目标 ...

最新文章

  1. Github代码版本控制可视化教程—Git Gui的使用
  2. [BZOJ3693]圆桌会议[霍尔定理+线段树]
  3. html列表按时间排序代码_程序员小白必看:腾讯视频版排序列表的实现
  4. 有程序在记录你的键盘输入_12个用Java编写基础小程序amp;经典案例(收藏)
  5. (android实战)Service 生命周期和使用注意项
  6. BZOJ2565 最长双回文子串 回文自动机,回文树
  7. Rust: ,clone,Box,Arc 的address
  8. 单片机原理与应用复习
  9. 【论文01】人脸图像合成综述
  10. 数学的意义——席南华院士科普讲座实录
  11. bucket list 函数解析
  12. Python 、Sqlite3数据库、单片机 、RC522 -公交卡管理系统(含部分源码)#可刷卡登陆
  13. 高中教学有计算机课吗,谈高中信息技术课教学
  14. 深入理解硬盘的Linux分区
  15. 【附源码】计算机毕业设计SSM实验室安全准入考试系统
  16. 前端匹配服务器地址修改文件,修改服务器的监听地址
  17. 首个5G智慧机场落地广州 速度是4G的50倍
  18. 《java虚拟机规范SE7》整理——第五章:加载,链接与初始化
  19. [附源码]计算机毕业设计打印助手平台
  20. html5 桌面提醒参数,html5 桌面提醒:Notifycations应用介绍

热门文章

  1. 公众号使用微信客户,微信公众号如何接入微信客服
  2. u盘文件损坏怎么恢复数据?数据恢复很简单
  3. python中导入模块有哪些_python有三种导入模块的方法
  4. AirPlane Race Creator竞速游戏完整项目自定义模型操作说明基于Urp管线
  5. 【搞笑视频】胡戈恶搞《血战到底》--斗地主-胡戈放弃恶搞制作《血战到底》MV曝光......绝对要支持呀!!!
  6. 云端车牌识别之私有云车牌识别详解
  7. 安卓app打包上线流程
  8. 连接器产业深度分析报告,国产化替代如何突出重围?(附厂商名录)
  9. 超调 matlab m文件,基于Matlab的汽车运动控制系统设计.doc
  10. SiriKit 编程指南