目标检测中的损失函数（一） IOU,GIOU

已于 2022-05-11 05:19:10 修改
阅读量1.2k 收藏 3
点赞数 1
文章标签： 目标检测 人工智能 计算机视觉
于 2022-05-10 20:36:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wuhao1205/article/details/124695890
版权
本文介绍了目标检测中的两种损失函数——IOU和GIOU。IOU衡量预测框与目标框的交并比，但无法判断相对位置。GIOU在IOU基础上考虑了相对位置，其损失公式揭示了它对预测框形状的偏好，更倾向于避免对角线拟合。
摘要由CSDN通过智能技术生成

学习记录，如有错误请指出，感谢大家的指导建议。

IOU

IOU计算的是预测框和目标框的交并比

IOU = \frac{A\ \bigcap B }{A\ \bigcup B},\ \ \ \ \ \ \ \ Loss =1-IOU

如上图所示，蓝色部分为预测框，红色部分为目标框，黄色部分就是两者的交集。

IOU的局限性在于无法判别预测框的相对位置，同样的IOU数值结果能够对应无数个位置的预测框，而不同的任务可能会对不同的位置有着不同的喜好，这种情况下IOU无法给出一个判别。

GIOU

相比于IOU， GIOU引入了相对位置的考量，但这并不代表GIOU就优于IOU。

蓝色

最低0.47元/天 解锁文章
黑野桥
关注
目标检测网络中的定位损失函数对比：IOU、GIOU、CIOU、DIOU、L1、L2、Smooth L1
不积跬步，无以至千里！
05-20 6396
内涵资源获取链接
IoU的进化之路——IoU、GIoU、DIoU、CIoU四种损失函数总结
chase
08-06 6789
IoU、GIoU、DIoU、CIoU四种损失函数总结
论文笔记：GIoU
水不在深有江的博客
03-09 1万+
论文标题：Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression 收录于CVPR 2019 因为整体思想形式比较简单，因此笔记不做赘述。 整体来说本文提出了一个通用的trick，即用GIoU来替换bounding box回归损失函数，而GIoU可看作是对于IoU指标的一个改进。 在...
iou与giou
weixin_42058525的博客
11-02 2397
衡量目标检测定位性能的主要指标是交并比iou，我们在设计损失函数的时候通常是使用mse等损失函数来优化模型对目标的定位结果，但是这类损失函数并不能够良好的反应定位精度。 对iou的认识：可以反应预测检测框与真实框的检测效果，有一个很好的特性是尺度不变性也就是对尺度不敏感，在回归任务重判断predict box和gt的距离最直接的指标就是iou（满足非负性，同一性，对称性，三角不等性）。作为损失函数会出现的问题是：如果两个框没有相交根据定义iou=0，不能反应两者之间的距离大小，同时loss=0，没有梯度回
常见IoU/GIoU/DIoU/CIoU简介
最新发布
w15136756855的博客
08-28 956
引入最小封闭矩形,在两个矩形框无交集的情况下计算距离远近, 产生loss。具体来说，使用一个最小外接矩形CCC包裹住两个矩形框，然后计算外接矩形减去两个矩形框的并集得到的空余面积，然后使用空余面积除以最小外接矩形面积。
iou与giou对比
weixin_30938149的博客
04-19 1010
设矩形1大小为100x100，矩形2从左上角顶点重合开始，向右滑动250个单位。c++源码(基于opencv3.4.0) float iou(const cv::Rect& r1, const cv::Rect& r2){ return float((r1&r2).area())/float((r1|r2).area());}float giou(const ...
IoU、GIoU、DIoU、CIoU
heroacool的专栏
03-03 301
非常好的介绍 https://zhuanlan.zhihu.com/p/94799295
IOU、GIOU、DIOU、CIOU详解及代码实现
qq_52302919的博客
01-13 1万+
一、IOU Loss 旷视在2016文章《UnitBox: An Advanced Object Detection Network》中提出了IOU Loss将4个点构成的box看成一个整体做回归。 文章链接：https://arxiv.org/pdf/1608.01471.pdf 1. 函数特性 IOU Loss的定义是先求出预测框和真实框之间的交集和并集之比，再求负对数，但是在实际使用中我们常常将IOU Loss写成1-IOU。如果两个框重合则交并比等于1，Loss为0说明重合度非常高。IOU满足非负性
目标检测中目标框回归损失函数（IoU, GIoU, DIoU, CIoU）总结
生命在于折腾！
09-29 2921
目标检测中目标框回归损失函数（IoU, GIoU, DIoU, CIoU）总结 1. Smooth L1 Loss 这个是 Faster-RCNN 中的损失函数。具体可以参考深度学习目标检测之 R-CNN 系列：Faster R-CNN 网络详解 中相应介绍。 Smooth L1 Loss 相比 L1 和 L2 的优势可以参考 损失函数：L1 loss, L2 loss, smooth L1 loss。总结其优势就是： smooth L1和L1-loss函数的区别在于，L1-loss在0点处导数不唯一，可
目标检测--边框回归损失函数(IoU, GIoU, DIoU, CIoU)原理详解及代码实现
Gthan
07-12 4512
对目标检测边框回归的IoU, GIoU, DIoU, CIoU损失函数进行原理详解及代码实现
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
热门推荐
xian0710830114的专栏
12-08 3万+
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。
目标检测 IoU、GIoU、DIoU、CIoU、EIoU
scott198512的博客
04-04 8583
目标检测常用边界框IOU对比
目标检测--IoU，GIoU，DIoU和CIoU三种目标检测loss
无左无右的博客
09-26 2106
https://zhuanlan.zhihu.com/p/94799295https://zhuanlan.zhihu.com/p/366744055https://zhuanlan.zhihu.com/p/359982543 Iou GIou DIou CIou IoU：使用最广泛的检测框loss。 GIoU：2019年CVPR Generalized Intersection ...
目标检测中的IoU、GIoU、DIoU与CIoU
个人学习笔记
12-14 3万+
什么是IOU？ 简单来说IOU就是用来度量目标检测中预测框与真实框的重叠程度。在图像分类中，有一个明确的指标准确率来衡量模型分类模型的好坏。其公式为： acc=PtrueNN=全部样本的数量，Ptrue=预测正确的样本数量 acc = \frac{P_{true}}{N} {\quad}{\quad}{\quad}{\quad}{\quad}{\quad}{\quad}N=全部样本的数量，P_{true}=预测正确的样本数量 acc=NPtrue​​N=全部样本的数量，Ptrue​=预测正确的样本数量 这个
目标检测损失函数：IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU原理及Pytorch实现
qq_40716944的博客
12-28 4634
IoU全称Intersection over Union，交并比。IoU是一种测量在特定数据集中检测相应物体准确度的一个标准。只要是在输出中得出一个预测范围(bounding boxes)的任务都可以用IoU来进行测量。IoU算法是使用最广泛的算法，大部分的检测算法都是使用的这个算法。在目标识别中，我们的预测框与实际框的某种比值就是IoU。1.2 IoU计算公式通过上述分析，当预测框和真实框不相交时IoU值为0，导致很大范围内损失函数没有梯度。针对这一问题，提出了GIoU作为损失函数。
详解IoU、GIoU、DIoU、CIoU、EIoU和DIoU-NMS
进击的扛把子
03-30 2万+
IoU厨师大赛
损失函数：IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU超详细精讲及Pytorch实现
路人贾的博客
06-20 3万+
一文带你了解IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU。超级详细的解读，包含代码实现，适合小白！
目标检测中的损失函数IoU、GIoU、DIoU、CIoU、SIoU
CHEN的博客
06-14 1万+
目标检测中的一些常用的IOU损失函数优缺点比较以及代码实现，以及最新出来得SIoU损失函数
IOU、GIOU、DIOU、CIOU的学习及代码实现
To_be_little的博客
05-09 4043
什么是IOU 改进的IOU ——GIOU 、DIOU 、CIOU。各种IOU代码如下IOU代码及结果展示
GIoU损失函数是如何解决IoU损失函数的缺点的？
04-23
GIoU损失函数通过引入一个额外的全局因子，考虑了目标框的位置和大小，从而更准确地评估目标框的预测质量。 GIoU损失函数相比于IoU损失函数的优点有以下几个方面[^1]： 1. 更准确的目标框匹配：IoU损失函数只关注...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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