YOLOv5全面解析教程（三）：IoU深入解析

↑ 点击蓝字 关注极市平台作者丨Fengwen，BBuf来源丨GiantPandaCV编辑丨极市平台极市导读 本文主要的介绍用于边界框回归的DIoU损失和CIoU损失和用于抑制冗余检测框的DIoU-NMS。>>加入极市CV技术交流群，走在计算机视觉的最前沿摘要边界框回归是目标检测的关键步骤，在现有方法中，虽然-norm loss 被广泛用于边界框回归，但它不是针对评估指标量身定制的，即 Intersection over Union (IoU)。最近，已经提出了 IoU 损失和generalized IoU (GIoU) Loss作为评估IoU的指标 ，但仍然存在收敛速度慢和回归不准确的问题。在本文中，我们通过结合预测框和目标框之间的归一化距离来提出距离-IoU (DIoU) Loss，它在训练中的收敛速度比 IoU 和 GIoU Loss快得多。此外，本文总结了边界框回归中的三个几何因素，即重叠面积（overlap area）、中心点距离（central point distance）和高宽比（aspect ra ………………………………