解决的问题

IoU 的缺陷

  • 当预测框和目标框不相交时，IoU (A,B)=0 时，不能反映 A,B 距离的远近，此时损失函数不可导，IoU Loss 无法优化两个框不相交的情况。

  • 假设预测框和目标框的大小都确定，只要两个框的相交值是确定的，其 IoU 值是相同时，IoU 值不能反映两个框是如何相交的。（如下图所示，三种不同相对位置的框拥有相同的 IoU=0.33 值，但是拥有不同的 GIoU=0.33，0.24，-0.1。当框的对齐方向更好一些时 GIoU 的值会更高一些。）

GIoU - 图1

设计原理（公式）

image.png

常规的 IoU 公式

GIoU - 图3

GIoU 公式
GIoU - 图4

C 是 A与 B 的最小外包矩形（smallest convex hull）
其中 GIoU - 图5 代表的是 C 的面积减去 A 与 B 相并的那部分的面积，就是上图中紫色那部分的面积

GIoU Loss：
GIoU - 图6

伪代码如下

image.png

参考