[D29] 检测框的精准度

现在来更加了解准确度这件事吧!
在前面有讲过 IoU ，它是用来跟标准框比较的准则，当它的值（０～１）大於设定的临界值，侦测到目标物件的机率就较高；相反的，如果 IoU 低於临界值，那笔资料就有可能被舍弃。

接着再认识 GIoU、DIoU 和 CIoU！

GIoU （Generalized Intersection over Union）

考虑到检测框和 ground truth 没有出现重叠的时候，IoU 的 loss 都是一样的，因此 GIoU 就加入了 C检测框，这样就可以解决检测框和真实框没有重叠的问题。但是当检测框和 ground truth 之间出现包含的现象的时候 GIoU 就和 IoU loss 是同样的效果了！

C 检测框是包含了检测框和 ground truth 的最小矩形框

DIoU （Distance-IoU）

DIoU 考虑到 GIoU 的缺点，也是增加了 C 检测框，将 groud truth 和预测框都包含进来，但是 DIoU 计算的不是框之间的交集，而是计算的每个检测框之间的＂欧氏距离＂，这样就可以解决 GIoU 出现的问题。

欧式距离：是最易於理解的一种距离计算方法，源自 n 维空间中两点间的距离公式。

CIoU （Complete-IoU）

DIoU 利用计算两个中心点的距离达到加速收敛的效果，但尚未解决能够更好重叠的这个问题。
在论文中，预测 bbox 的三个重要因素为：重叠面积、中心点距离、长宽比。

IoU 考虑了重叠区域，GIoU 解决了非重叠时的收敛问题，DIoU 则是考虑了重叠区域和中心点距离，所以 CIoU 就基於 DIoU 多考量一个长宽比。

CIoU 的 loss 函数定义如下，跟 DIoU 相比多增加一个 αv，α 是用来平衡比例的权重参数，而 v 是用来度量长宽比的相似度。

这就是 IoU 一路进化到 CIoU 的过程！

图片来源1
图片来源２
图片来源３