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
(a)遵循与IoU相同的定义,即将比较对象的形状属性编码为region属性;
(b)