前言
CIOU-loss yolo3是該論文《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》提出來的。該文章于2019年11月正式發表出來，文章題目是DIOU Loss，其實它提出了兩個IOU Loss：DIOU和CIOU。下面就對該論文進行解讀。
四個IOU loss概念
經典IOU loss：
GIOU：Generalized IOU。
上式的C是指能包含predict box和Ground Truth box的最小box。
不過IOU和GIOU loss不能對下面這三種情況能夠區分開來，隻有DIOU 和CIOU loss才能區分開來。
DIOU loss：Distance IOU loss
這裡的
是指predict box和GT box中心點的距離的平方，而
是指剛好能包含predict box和GT box的最小box的對角線長度平方。
CIOU Loss：Complete IOU loss：
實際上，CIOU隻是在DIOU基礎上增加了一項：
。而這兩項的計算表達式如下所示：
使用
該算法模型對應的代碼已經開源（https://github.com/Zzh-tju/DIoU-darknet）。它也是基于官方darknet架構代碼進行loss代碼修改。你可以像編譯darknet架構一樣來編譯該項目，也可以将該項目的代碼merge到darknet架構中去再編譯。 每一個yolo層都增加了一些配置選項，如下所示，關于iou_loss可以選擇diou也可以選擇ciou。此外，nms_kind也有兩個選項供選擇：greedynms和diounms。