标签：GIoU loss 函数 Distance 检测 IoU box 损失 DIoU

目标检测损失函数介绍

a、IoU_loss

黑色：Ground truth box
红色：Prediction box

IoU_loss = 1 - IoU = 1 - A/B

存在问题：

二者不相交，IoU=0，无法反映俩个框距离远近，且此时Iou_loss不可导

二者IoU相等，无法区分

b、GIoU_loss(YoLov5)

     GIoU_loss = 1 - GIoU = 1 - (IoU - D/C) # { IoU = 1 - A/B}

存在问题：

当预测框（红）在目标框（黑）内部，无法区分相对位置。

c、DIoU_loss

DIoU_loss = 1 - DIoU = 1 - (IoU - (Distance_2)(Distance_2)/(Distance_c)(Distance_c))

存在问题：

预测框中心点一样，面积也一样——> Distance_2 相等，导致GIoU_loss 失效

d、CIoU_loss(YoLov4)

增加一个长宽比的影响因子v

e、四者比较

IoU_loss:考虑检测框和目标框的重合程度；
GIoU_loss:在上一个基础上，解决了边界框不重合的问题；
DIoU_loss:在上一个基础上，考虑边界框中心点距离；
GIoU_loss:在上一个基础上，考虑边界框长宽比。

标签：GIoU,loss,函数,Distance,检测,IoU,box,损失,DIoU
来源： https://blog.csdn.net/nibidal/article/details/120564653

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。