IOU, GIOU, DIOU, CIOU_c++ 两个矩形计算diou

IOU

IOU是用来衡量两个边界框的重叠程度的。普通的IOU也分为两种，一种是交并比，一种是最小面积与并集的比

计算公式如下：

并集面积 = 面积A + 面积B - 交集面积

交集面积 = 框A与框B较大的X1,Y1和框A与框B较小的X2,Y2组成的框的面积

第二种IOU在NMS种可以去除大框套小框的中的小框

但这两种IOU都存在弊端就是当预测框与真实框没有交集的时候，无论远近他的IOU都是0

无法很好的衡量我们预测框的质量，如下图所示：

在有交集的请情况下也不一定能很好的衡量预测框预测的质量，于是就有了GIOU

 

GIOU

GIOU相比较于IOU,用两个框的最小包围矩形面积替换掉了并集面积，

同时分子部分变成了差集（差集 = 最小包围矩形 - 并集）这样当在没有重叠的情况下也能衡量两个预测结果的好坏了

损失上就是普通的IOU Loss与加上差集比最小外接矩形，完全重合时第二项为0

但是当两个预测框与gt都有重叠，但是俩个预测框与gt的中心点距离不同，GIOU还是一样。

为了解决这个问题，就加入了中心点距离，也就是DIOU

 

DIOU

定义对角线距离Distance_C为两个框的最小外接矩形的对角线长度

定义两个中心点的欧式距离Distance_2，则DIOU就是IOU - Distance_2 / Distance_C

但是相同的DIOU的预测框，他们的形状可能是不一样的，总有一个形况是最符合gt的。如下图所示：

于是就有了CIOU

 

CIOU

CIOU考虑到了形状的因素于是就在原始DIOU上加上了对角线角度的差距,CIOU Loss如下图所示：

v表示预测框对角线角度与gt对角线角度的差距,当IOU比较大时形状站的比例就比较大，当IOU比较小时，形状因素站的比较小