目标检测损失函数介绍

a、IoU_loss

黑色：Ground truth box
红色：Prediction box

IoU_loss = 1 - IoU = 1 - A/B

存在问题：

二者不相交，IoU=0，无法反映俩个框距离远近，且此时Iou_loss不可导

二者IoU相等，无法区分

b、GIoU_loss(YoLov5)

     GIoU_loss = 1 - GIoU = 1 - (IoU - D/C) # { IoU = 1 - A/B}

存在问题：

当预测框（红）在目标框（黑）内部，无法区分相对位置。

c、DIoU_loss

DIoU_loss = 1 - DIoU = 1 - (IoU - (Distance_2)(Distance_2)/(Distance_c)(Distance_c))

存在问题：

预测框中心点一样，面积也一样——> Distance_2 相等，导致GIoU_loss 失效

d、CIoU_loss(YoLov4)

增加一个长宽比的影响因子v

e、四者比较

IoU_loss:考虑检测框和目标框的重合程度；
GIoU_loss:在上一个基础上，解决了边界框不重合的问题；
DIoU_loss:在上一个基础上，考虑边界框中心点距离；
GIoU_loss:在上一个基础上，考虑边界框长宽比。