IOU

IOU是用来衡量两个边界框的重叠程度的。普通的IOU也分为两种，一种是交并比，一种是最小面积与并集的比

计算公式如下：

并集面积 = 面积A + 面积B - 交集面积

交集面积 = 框A与框B较大的X1,Y1和框A与框B较小的X2,Y2组成的框的面积

第二种IOU在NMS种可以去除大框套小框的中的小框

但这两种IOU都存在弊端就是当预测框与真实框没有交集的时候，无论远近他的IOU都是0

无法很好的衡量我们预测框的质量，如下图所示：

在有交集的请情况下也不一定能很好的衡量预测框预测的质量，于是就有了GIOU

GIOU

GIOU相比较于IOU,用两个框的最小包围矩形面积替换掉了并集面积，

同时分子部分变成了差集（差集 = 最小包围矩形 - 并集）这样当在没有重叠的情况下也能衡量两个预测结果的好坏了

损失上就是普通的IOU Loss与加上差集比最小外接矩形，完全重合时第二项为0

但是当两个预测框与gt都有重叠，但是俩个预测框与gt的中心点距离不同，GIOU还是一样。

为了解决这个问题，就加入了中心点距离，也就是DIOU

DIOU

定义对角线距离Distance_C为两个框的最小外接矩形的对角线长度

定义两个中心点的欧式距离Distance_2，则DIOU就是IOU - Distance_2 / Distance_C

但是相同的DIOU的预测框，他们的形状可能是不一样的，总有一个形况是最符合gt的。如下图所示：

于是就有了CIOU

CIOU

CIOU考虑到了形状的因素于是就在原始DIOU上加上了对角线角度的差距,CIOU Loss如下图所示：

v表示预测框对角线角度与gt对角线角度的差距,当IOU比较大时形状站的比例就比较大，当IOU比较小时，形状因素站的比较小

IOU, GIOU, DIOU, CIOU相关推荐

IoU GIoU DIoU CIoU分析比较
IoU GIoU DIoU CIoU分析比较 IoU 1. IoU的简介及原理解析 2.IOU的应用有哪些? GIoU 1.Iou的缺陷 2.GIoU的简介及原理解析 3.GIoU的性质 DIoU & ...
IOU .GIOU.DIOU.CIOU
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 IOU .GIOU.DIOU.CIOU 一.IOU(Intersection over Union) 二.GIOU(Generaliz ...
IoU系列（IoU, GIoU, DIoU, CIoU）
写在前面一.IoU (Intersection over Union) 1.1 IoU的优点 1.2 作为损失函数会出现的问题(缺点) 二.GIoU (Generalized) 三. D ...
IOU GIOU DIOU CIOU 及代码实现
总体发展过程: IOU IOU(交并比)顾名思义就是两个框的交集除以他们的并集. IOU Loss:IOU Loss = 1 -IOU(比较常用) IOU 的优点:1.能够很好的反应重合的程度 ...
基于IOU的损失函数合集, IoU, GIoU, DIoU,CIoU, EIoU
目标检测任务的损失函数一般由 Classificition Loss(分类损失函数)和Bounding Box Regeression Loss(回归损失函数)两部分构成. Bounding ...
目标检测回归损失函数简介：SmoothL1/IoU/GIoU/DIoU/CIoU Loss
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达来源:极市平台目标检测任务的损失函数由Classificitio ...
目标检测回归损失函数：SmoothL1/IoU/GIoU/DIoU/CIoU Loss
文章目录 1. Smooth L1 Loss 1.1 假设x为预测框和真实框之间的数值差异,常用的L1和L2 Loss定义为: 1.2 上述的3个损失函数对x的导数分别为: 1.3 实际目标检测框回归 ...
IOU GIOU DIOU CIOU
# -*- coding: utf-8 -*- # @Time : 2022/8/7 10:34 # @Author : hllyzms import mathdef euclidean_distan ...
【IoU全总结】GIoU, DIoU, CIoU, EIoUFocal, αIoU, SIoU,WIoU【基础收藏】

IOU, GIOU, DIOU, CIOU

IOU

GIOU

DIOU

CIOU

IOU, GIOU, DIOU, CIOU相关推荐

最新文章

热门文章