IOU, GIOU, DIOU, CIOU

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

 

 

 

 

 

 

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值