【深度学习】IoU、GIoU、DIoU、CIoU损失函数的那点事儿

文章预览

一、IOU(Intersection over Union) 1. 特性(优点) IoU就是我们所说的 交并比 ，是目标检测中最常用的指标，在anchor-based的方法，https://zhuanlan.zhihu.com/p/62372897中，他的作用不仅用来确定正样本和负样本，还可以用来评价输出框（predictbox）和ground-truth的距离。 可以说 它可以反映预测检测框与真实检测框的检测效果。 还有一个很好的特性就是 尺度不变性 ，也就是对尺度不敏感（scale invariant）， 在regression任务中，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) import numpy as np def Iou ( box1, box2, wh=False ): if wh == False: xmin1, ymin1, xmax1, ymax1 = box1 xmin2, ymin2, xmax2, ymax2 = box2 else : xmin1, ymin1 = int (box1[ 0 ]-box1[ 2 ]/ 2.0 ), int (box1[ 1 ]-box1[ 3 ]/ 2.0 ) xmax1, ymax1 = int (box1[ 0 ]+box1[ 2 ]/ 2.0 ), int (box1[ 1 ]+box1[ 3 ]/ 2.0 ) xmin2, ymin2 = int (box2[ 0 ]-box2[ 2 ] ………………………………