IOU GIOU DIOU CIOU 及代码实现

我爱吃柠檬i

已于 2022-10-12 10:09:56 修改

阅读量681

点赞数 1

CC 4.0 BY-SA版权

文章标签：算法

于 2021-09-27 15:08:58 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/m0_54146002/article/details/120507438

本文详细介绍了目标检测中常用的IOU, GIOU, DIOU和CIOU概念及其优缺点。IOU是交并比，用于衡量边界框的重合程度。GIOU在IOU基础上解决了不相交时损失为0的问题。DIOU进一步考虑了边界框间的距离，提高了收敛速度。CIOU则综合了重叠面积、中心点距离和长宽比，提供了更全面的评估。文章还给出了相关损失函数的公式，并提及了它们在实际应用中的代码实现。" 93379611,8643150,旋转编码器工作原理与51单片机编程实践,"['51单片机', '传感器', '编码器', '微控制器', '电子工程']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

总体发展过程：

IOU

IOU(交并比)顾名思义就是两个框的交集除以他们的并集。

$IOU = \frac{area(C)\bigcap area(G)}{area(C)\bigcup area(G)}$

IOU Loss：IOU Loss = 1 －IOU(比较常用)

IOU 的优点：1.能够很好的反应重合的程度 2.具有尺度不变性

缺点： 当不相交时候loss为0 （IOU Loss = 1 - IOU）

GIOU

$GIOU = IOU - \frac{A^{c}-u}{A^{c}} (-1\leq GIOU \leq 1)$

如图绿色边界框为真实的边界框，红色边界框为网络预测的边界框，蓝色边界框为用最小的矩形把两个边界框给框住。 $A^{C}$ = 蓝色目标边界框面积。u=两个边界框并集的面积。取两个极限的例子，当两个目标边界框重合时， $A^{C}$ - u = 0。此时GIOU = IOU。此时IOU = 1。当两个边界框无穷远时 $\frac{A^{C}-U}{A^{C}}$ 趋近于1 ，GIOU = IOU - 1，此时IOU = 0，所以此时的GIOU = -1。GIOU的范围在-1到1之间。对比IOU当两个目标框不相交时也能提供损失。

GIOU Loss：1 - GIOU

特殊情况下GIOU会变为IOU：

DIOU:

IOU和GIOU有两个很大的缺点：1.收敛特别慢 2.回归的不够准确。为此作者提出了DIOU

DIOU能够更好地反映两个框的相交情况，将其用于计算网络的损失

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。