在CVPR2019中,Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression介绍了一种新的评价指标GIoU

1. 为什么要提出GIoU?

  对于1-IoU作为距离度量,有四个优点:满足非负性;同一性;对称性;三角不等性

               有两个缺点:无法衡量两框是相邻还是甚远;无法反映相交方式

  如下图,若使用IoU评价指标,都是0.33,但对于人的直观感觉和后续的分析,效果就不同;使用GIoU可以很好的表达两个框之间的关系

目标检测------CVPR2019------对GIOU的认识

 

2. GIoU是怎么计算的?

   在论文中给出计算公式,如下图:

目标检测------CVPR2019------对GIOU的认识

  假设A为预测框,B为真实框,S是所有框的集合

  不管A与B是否相交,C是包含A与B的最小框,C也属于S集合

  首先计算IoU,A与B的交并比

  再计算C框中没有A与B的面积,比上C框面积;IoU减去前面算出的比;得到GIoU

 

3.GIoU最主要的作用是?

  对于相交的IOU可以被反向传播,即它可以直接用作优化的目标函数。但是非相交的,梯度将会为0,无法优化

  此时使用GIoU可以完全避免此问题。所以可以作为目标函数

 

目标检测------CVPR2019------对GIOU的认识

 

  可直接优化LGIou函数