目标检测中IOU、GIOU、DIOU、CIOU损失函数，究竟有何奥秘？

本文共计1341个文字，预计阅读时间需要6分钟。

作者基于记忆的迷雾+编辑极市平台+导读+IOU损失函数，主要用于目标检测领域的应用，其演变的历程如下：IOU+-->GIOU+-->DIOU+-->CIOU损失函数，每种损失函数都比前一种有所提升。

作者丨记忆的迷谷

编辑丨极市平台

导读

IOU损失函数目前主要应用于目标检测的领域，其演变的过程如下：IOU --> GIOU --> DIOU -->CIOU损失函数，每一种损失函数都较上一种损失函数有所提升。本文来具体介绍这几种损失函数。

IOU损失函数：

图片展示了3组矩形框重合的示例：绿色是真实目标存在的框GT box，黑色是预测的box位置。通过观察上图，发现第三个预测效果较好，因为预测目标的位置与真实目标最为接近。但是计算三组l2损失发现损失值都为8.41，然而IOU的值不同。因此说明l2损失不能准确反应两个目标边界框重合的程度，因此诞生了IOU损失函数。

上图是IOU损失函数的计算方法：首先绿色的框表示真实目标的位置，蓝色框代表预测框的位置。IOU的计算方法很简单，用两个方框相交的面积/两个方框合并的面积，将得到的值取以e为底对数，前面添上负号就得到了IOU损失函数。

GIOU损失函数：

如图：绿色是真实目标边界框，红色是预测目标边界框，最外面的蓝色边框是将红绿矩形用最小矩形框起来的边界，Ac是蓝色矩形框的面积，u对应红绿矩形的并集面积。