AAAI2020 目标检测算法DIoU YOLOv3 更加稳定有效的目标框回归损失,性能提升近3%

 

 

背景

让我们回到IoU损失和GioU损失。IoU损失可以表示为：，从IoU的角度看，回归损失是可以解决的，但它的缺点是当两个框不想相交时，IoU损失总是1，不能给出优化方向。所以乔来了。GioU可以用以下公式表示： ，可以看到，GioU在IoU的基础上添加了一个项，其中[formula]表示包含两个框的最小矩形，因此可以优化两个框不相交的情况。不过，GioU还是有问题。当两个框相交时，GioU损失降低为IoU损失。因此，当包含预测盒bbox和地面真值bbox时，特别是在水平和垂直方向上，很难进行优化。这里的一个猜想是，在水平方向和垂直方向上，[公式]的值没有在其他方向上增长得快，因此对这两个方向的惩罚不够，导致收敛速度减慢。如图2和图4所示：