什么是GIoU Loss?

首先我们给出论文中关于GIoU的算法叙述

计算GIoU的算法过程

图示说明

这里我们按照GIoU算法过程进行讲解：
首先绿色框表示的$B^p$,黑色框表示的是$B^g$,首先计算IoU和我们熟知的方式相同：
$$IoU=\frac{\mathcal{I}}{\mathcal{U}}$$
其中$I$表示上图中的灰色阴影部分，$U$表示的是两个矩形面积之和$A^p+A^g$去掉两个矩形相交面积$I$，因此IoU的表示可以用下式：
$$IoU=\frac{I}{U}=\frac{I}{A^p+A^g-I}$$
而GIoU则是考虑了两个矩形最小闭包(the smallest enclosing convex object)的大小,GIoU的计算表达式为：
$$GIoU=IoU-\frac{A^c-U}{A^c}$$
其中$A^c$是两个矩形的最小外界面积，也就是上图中所示的虚线框的面积。

参考：https://arxiv.org/abs/1902.09630