GIOU 附图说明

在目标检测中,常用IOU评价检测框和ground truth框的相似程度,
IOU = intersection / union.
IOU的取值范围是[0,1].

GIOU 附图说明_第1张图片
但是看下面这两种情况,两个目标框的距离是不一样的,这时它们的IOU都是0,反映不出来。

GIOU 附图说明_第2张图片

GIOU 附图说明_第3张图片
这时就可以用到GIOU,
GIOU的取值范围是[-1, 1], 像上面第2种情况,两个目标框相距甚远,它们的GIOU就偏向于-1.

GIOU的公式如下:

Convex shape就是上面图中包围着2个目标框的外接矩形(虚线部分的矩形)的面积。
外接矩形 - Union 就是上图中黄色的部分。
2个目标框相距越远,黄色部分的面积越大,第2项就越趋近于1,整体就会趋于-1.
在这里插入图片描述

再看一下上面第2种情况:
GIOU的计算就会变成
在这里插入图片描述

GIOU 附图说明_第4张图片

参考资料

你可能感兴趣的:(DeepLearning,深度学习,计算机视觉,人工智能)