IoU、GIoU、CIoU和DIoU

本文介绍: IoU（Int e r section ov e r Union，交并比）、GIoU（Generali zed IoU，广义交并比）、CIoU（Comp let e IoU，完全交并比）和DIoU（Di s t a nc e IoU，距离交并比）是目标检测中常用于评估预测框和真实框之间重叠程度的指标。

IoU（Int ersection ov er Union，交并比）、GIoU（Genera li zed IoU，广义交并比）、CIoU（Comp lete IoU，完全交并比）和DIoU（Dis t ance IoU，距离交并比）是目标检测中常用于评估预测框和真实框之间重叠程度的指标。

IoU（交并比）：

def calculate_iou(box1, box2):
    intersection = max(0, min(box1[2], box2[2]) - max(box1[0], box2[0])) * max(0, min(box1[3], box2[3]) - max(box1[1], box2[1]))
    union = (box1[2] - box1[0]) * (box1[3] - box1[1]) + (box2[2] - box2[0]) * (box2[3] - box2[1]) - intersection
    iou = intersection / union
    return iou

GIoU（广义交并比）：

定义： GIoU考虑了边界框的重叠和大小。

用途： 解决了IoU在定位任务中不是一个合适度量的问题。

def calculate_giou(box1, box2):
    # 具体实现取决于具体要求，包括计算边界框和凸包的面积。以下是一个简化的示例：
    iou = calculate_iou(box1, box2)
    c_area = min(box1[2], box2[2]) * min(box1[3], box2[3])
    giou = iou - ((c_area - union) / c_area)
    return giou

CIoU（完全交并比）：

定义： CIoU通过考虑边界框的纵横比进一步改进了GIoU。

用途： 尝试解决GIoU对纵横比差异敏感的问题。

def calculate_ciou(box1, box2):
    giou = calculate_giou(box1, box2)
    c_x = min(box1[0], box2[0]) + min(box1[2], box2[2]) / 2
    c_y = min(box1[1], box2[1]) + min(box1[3], box2[3]) / 2
    c_distance = ((c_x - box2[0]) ** 2 + (c_y - box2[1]) ** 2) ** 0.5
    diou_term = c_distance ** 2 / ((c_area - union) + 1e-7)
    ciou = giou - diou_term
    return ciou

DIoU（距离交并比）：

定义： DIoU引入了考虑边界框中心点距离的项。

用途： 通过惩罚边界框中心点之间的大距离，改进了CIoU。

def calculate_diou(box1, box2):
    ciou = calculate_ciou(box1, box2)
    c_x = min(box1[0], box2[0]) + min(box1[2], box2[2]) / 2
    c_y = min(box1[1], box2[1]) + min(box1[3], box2[3]) / 2
    c_distance = ((c_x - box2[0]) ** 2 + (c_y - box2[1]) ** 2) ** 0.5
    diou_term = c_distance ** 2 / ((c_area - union) + 1e-7)
    diou = ciou - diou_term
    return diou