论文标题：GeneralizedIntersectionoverUnion:AMetricandALossforBoundingBoxRegression收录于CVPR2019因为整体思想形式比较简单，因此笔记不做赘述。整体来说本文提出了一个通用的trick，即用GIoU来替换boundingbox回归损失函数，而GIoU可看作是对于IoU指标的一个改进。
GIOU作为一种新的度量准则，有下列特点：与IOU类似，GIOU同样可以作为距离，loss值的计算可以用1-GIOU进行转化与IOU类似，GIOU对物体的尺寸不敏感GIOU小于等于IOU的值。特别的，当A和B形状相似且距离很近时:limA→BGIoU(A,B()
目标检测损失函数GIoU,DIoU,CIoUGIoU论文链接DIoU和CIoU论文链接1.GIoU1.1.问题提出1.1.1.范数损失的缺陷在GIoU之前，主要是以IoU或者lnnorml_nnormlnnorm作为损失函数的，而这些…
CVPR2019:使用GIoU作为目标检测新loss如今一些目标检测算法如YOLOv3已经都在用GIOU代替IOU进行损失计算并取得不错的效果，GIOU的思路简单而有效，今天我们就来解读一下CVPR19的这篇GeneralizedIntersectionoverUnion:AMetricandALossforBoundingBox...
GIoU总是小于等于IoU，对于IoU，有GIoU则是在两个形状完全重合时，有由于GIoU引入了包含A，B两个形状的C，所以当A，B不重合时，依然可以进行优化。总之就是保留了IoU的原始性质同时弱化了它的缺点。于是论文认为可以将其作为IoU的替代。
论文:Distance-IoULoss:FasterandBetterLearningforBoundingBoxRegression如图2中的包含情况，GIoU会退化成IoU由于很大程度依赖IoU项，GIoU需要更多的迭代次数来收敛，特别是水平和垂直的bbox（后面会分析）。
论文中提出，GIoUloss仍然存在收敛速度慢、回归不准等问题。Inthispaper,weproposeaDistance-IoU(DIoU)lossbyincorporatingthenormalizeddistancebetweenthepredictedboxandthetargetbox,whichconvergesmuchfasterintrainingthanIoUandGIoUlosses.
针对这个缺点，论文中提出GIoU，其计算方法如下：.对于任意两个凸多边形A和B，首先计算A和B的外包多边形C.计算C中出去A、B部分的剩下的面积占C的面积的比率.GIoU的值为IoU减去这个比率.GIoU具有如下特性：.与IoU类似，GIoU可以作为一种距离度量.与IoU类似...
与IoU只关注重叠区域不同,GIoU不仅关注重叠区域,还关注其他的非重合区域,能更好的反映两者的重合度。论文中作者认为GIoU具有以下几个性质:与IoU类似,都可以作为一个距离度量,计...
而且Ln范数对物体的scale也比较敏感。这篇论文提出可以直接把IoU设为回归的loss。然而有个问题是IoU无法直接优化没有重叠的部分。为了解决这个问题这篇paper提出了GIoU的思想~IoU...
作者以YOLOv3为原始,比较了loss分别是原始方法MSE,Liou和LGiou时,性能的提升,如下图所示,相对于原始loss,无论是IOU还是GIOU都有提升。单独拿出IOU和GIOU来看,GIOU的提升幅度更大,也...
这也是2019CVPR的一篇论文,斯坦福大学的,针对IoU进行了改善,提出generalizedIoU(GIoU)。IoU是目标检测等任务中必不可少的一部分,通过计算预测box和标签box之间的IoU对目标进行分类,并且通过IoU...
IOU论文:linkGIOU论文:linkDIOU论文:linkCIOU论文:link原始的IOU存在以下问题:一般的二阶段网络边框回归IOU≥0.5,不会对框进行回归没有重叠,就始终为0,并...
总之就是保留了IoU的原始性质同时弱化了它的缺点。于是论文认为可以将其作为IoU的替代。GIoU作为BBox回归的损失那么具体一点,如何计算损失呢?我们以2Ddeteca...
为什么要提出GIoU?对于1-IoU作为距离度量,有四个优点:2016CVPR目标检测论文简介繁体2016年10月24-目标检测的指标:1)识别精度2)识别效率3)定位准确性CV...