YOLOV3模型优化系列（二）CIOU-Loss YOLOV3介绍_ciou loss论文

前言

CIOU-loss yolo3是该论文《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》提出来的。该文章于2019年11月正式发表出来，文章题目是DIOU Loss，其实它提出了两个IOU Loss：DIOU和CIOU。下面就对该论文进行解读。

四个IOU loss概念

经典IOU loss：

GIOU：Generalized IOU。

上式的C是指能包含predict box和Ground Truth box的最小box。

不过IOU和GIOU loss不能对下面这三种情况能够区分开来，只有DIOU 和CIOU loss才能区分开来。

DIOU loss：Distance IOU loss

 

这里的 是指predict box和GT box中心点的距离的平方，而是指刚好能包含predict box和GT box的最小box的对角线长度平方。

CIOU Loss：Complete IOU loss：

实际上，CIOU只是在DIOU基础上增加了一项：。而这两项的计算表达式如下所示：

使用 

该算法模型对应的代码已经开源（https://github.com/Zzh-tju/DIoU-darknet）。它也是基于官方darknet框架代码进行loss代码修改。你可以像编译darknet框架一样来编译该项目，也可以将该项目的代码merge到darknet框架中去再编译。 每一个yolo层都增加了一些配置选项，如下所示，关于iou_loss可以选择diou也可以选择ciou。此外，nms_kind也有两个选项供选择：greedynms和diounms。