简要介绍
介绍各种 IoU
好嘞 👍，我给你系统梳理一下 IoU 及其改进版（GIoU, DIoU, CIoU, EIoU, SIoU…），并说明目前在目标检测里常用哪几个。
🔹 1. IoU (Intersection over Union)
最基础的指标：
[
IoU = \frac{|B_p \cap B_{gt}|}{|B_p \cup B_{gt}|}
]
-
优点：直观、简单。
-
缺点：如果没有重叠，梯度为 0，训练信号消失。
👉 所以必须改进。
🔹 2. GIoU (Generalized IoU, 2019 CVPR)
公式：
[
GIoU = IoU - \frac{|C \setminus (B_p \cup B_{gt})|}{|C|}
]
其中 (C) 是两框的最小外接矩形。
-
优点：无重叠时也有梯度。
-
缺点：收敛速度不够快，优化不够精准。
🔹 3. DIoU (Distance IoU, 2020 AAAI)
在 IoU 基础上加上中心点距离：
[
DIoU = IoU - \frac{\rho^2(b_p, b_{gt})}{c^2}
]
-
(\rho) = 两框中心点的欧式距离
-
(c) = 外接矩形对角线长度
-
优点：强制预测框中心点靠近真实框中心，收敛更快。
-
缺点：只考虑中心距离，没考虑长宽比例。
🔹 4. CIoU (Complete IoU, 2020 AAAI)
在 DIoU 上再加上宽高比约束：
[
CIoU = IoU - \left(\frac{\rho^2(b_p, b_{gt})}{c^2} + \alpha v \right)
]
其中：
-
(v) 衡量宽高比差异
-
(\alpha) 是调节系数
-
优点：同时考虑 IoU、中心距离、宽高比，更完整。
-
缺点：计算稍复杂，但在大部分检测任务里性能更好。
🔹 5. EIoU (Efficient IoU, 2021)
进一步把宽度差和高度差单独拿出来：
[
EIoU = IoU - \frac{\rho^2(b_p, b_{gt})}{c^2} - \frac{(w_p-w_{gt})^2}{w_c^2} - \frac{(h_p-h_{gt})^2}{h_c^2}
]
-
优点：对宽高的约束更直接。
-
缺点：用得没 CIoU 普及。
🔹 6. SIoU (Scylla IoU, 2022)
加入了角度和几何约束：
-
考虑中心点距离
-
考虑宽高比例
-
加入角度惩罚
-
优点：理论上收敛更快。
-
缺点：应用不算特别普及。
📌 哪些最常用？
在实际工程里：
-
IoU：用来衡量检测结果好坏（mAP 等指标必须用它）。
-
GIoU：早期有过一阵子热度，但现在用得不多。
-
DIoU / CIoU：目前是 最常用的训练损失（尤其是 CIoU，很多目标检测器默认用它，比如 YOLOv5/YOLOv7）。
-
EIoU / SIoU：新方法，研究多，但工业界普及度一般。
👉 总结：
-
评估阶段：都用 IoU（因为指标统一）。
-
训练阶段：最常用 CIoU Loss，其次是 DIoU Loss。
