学习笔记2——交并比 IOU Loss、GIOU Loss、DIOU Loss、CIOU Loss

学习笔记2——交并比 IOU Loss、GIOU Loss、DIOU Loss、CIOU Loss
边界框回归的良好损失应考虑三个几何因素：重叠面积、中心点距离、纵横比（宽高比）
IOU Loss：很大程度上考虑了重叠区域；
GIOU Loss：很大程度上依赖于IOU损耗，在IOU基础上，解决边界框不重合时的问题；
DIOU Loss：在GIOU Loss基础上，同时考虑边界框的重叠区域和中心点的距离；
CIOU Loss:在DIOU Loss基础上，考虑了宽高比。
1、IOU 、GIOU Loss
IoU 是交并比（Intersection over Union）。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。

对于任意的两个Ａ、B框，首先找到一个能够包住它们的最小方框Ｃ。然后计算C \ (A ∪ B) 的面积与Ｃ的面积的比值，注：C \ (A ∪ B) 的面积为C的面积减去A∪B的面积。再用Ａ、Ｂ的IoU值减去这个比值得到GIoU

针对二维图像的目标检测，假设预测框和目标框的坐标分别表示为：

其中，然后计算Loss的具体过程可以表示为：



2、DIOU Loss

当目标框完全包裹预测框的时候，IoU和GIoU的值都一样，此时GIoU退化为IoU, 无法区分其相对位置关系。通常GIoU Loss无法很好地收敛于最新的检测算法中，从而导致检测不准确。这种情况通过DIOU Loss可以得到较好的结果：
3、CIOU Loss
相当于在DIOU Loss基础上，再对预测框的宽高比进行比较，宽高比越接近于目标框，则该预测框效果越好。

相当于加了


其中，w ,h为矩形框的宽和高。
参考：https://blog.csdn.net/c2250645962/article/details/106071294
https://zhuanlan.zhihu.com/p/97340657
https://blog.csdn.net/u014061630/article/details/82818112
https://blog.csdn.net/weixin_41735859/article/details/89288493
https://www.bilibili.com/video/BV1WU4y1n7B2?p=2