1.IoU
IoU又名交并比,是一种计算不同图像相互重叠比例的算法,时常被用于深度学习领域的目标检测或语义分割任务中。
优点:IoU初步满足了计算两个图像的几何图形相似度的要求,简单实现了图像重叠度的计算。
缺点:无法体现两个图形之间的距离以及图形长宽比的相似性。
2.GIoU
GIoU(Generalized Intersection over Union)相较于IoU多了一个‘Generalized’
优点:解决两个图像没有相交时,无法比较两个图像的距离远近’的问题。
即GIoU完善了图像重叠度的计算功能。
缺点:无法对图形距离以及长宽比的相似性进行很好的表示。
IoU和GIoU公式:
3.DIoU
DIoU(Distance-IoU)将两个框之间的重叠度、距离、尺度都考虑了进去,在完善图像重叠度的计算功能的基础上,实现了对图形距离的考量。
优点:
DIoU可直接最小化两个框之间的距离,所以作为损失函数的时候Loss收敛的更快;
在两个框完全上下排列或左右排列时,没有空白区域,此时GIoU几乎退化为了IoU,但是DIoU仍然有效。
缺点:无法对图形长宽比的相似性进行很好的表示。
4.CIoU
CIoU的全称为Complete