论文笔记：GIou（Generalized Intersection over Union）

1.动机

现在大多数改进方案都是从网络框架和backbone出发

IoU

1.黑框-bbox；绿框-groundtruth
2.用右下角和左上角来表示bbox，即（x1，x2，y1，y2）
3.相同的n-范数（如l2-norm）距离，不同的IoU阈值
4.相同的IoU阈值，不同的w\h比例，具有不同的客观价值
5.随着参数增加（比如旋转），复杂度也增加→引入anchor
→在优化回归损耗和IoU值之间仍然存在差距

• IoU同时作为指标（metric）和损失（loss），问题：如果两个物体不交叠，那么IoU为零，而不会反映两个形状之间的距离。这种情况下，如果IoU用作一个损失（loss），那么它的梯度就是零而不会被优化。

2.贡献点

GIoU